-
公开(公告)号：CN119785874A
公开(公告)日：2025-04-08
申请号：CN202411829445.0
申请日：2024-12-12
Applicant: 湖南科技大学
IPC: G16B15/30 , G16B40/20 , G06F18/21 , G06F18/25 , G06F18/20 , G06N3/0455 , G06N3/082 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种基于超图和主动学习的药物‑靶标相互作用预测方法，大致分为以下步骤：利用药物‑靶标已知关联、药物‑药物相互作用以及靶标‑靶标相互作用构建药物‑靶标邻接矩阵；根据药物‑靶标已知关联矩阵构造药物超图和靶标超图；将药物和靶标的初始特征嵌入分别输入双路径信息传递网络中，引入对比学习机制来优化表征；使用基于Transformer的语义特征融合模块来聚合局部特征和全局特征；将最终的节点特征输入到多层感知机来预测药物‑靶标相互作用；从负样本池中根据查询策略选择部分负样本，更新训练集。本发明在模型层面实现轻量化设计，提出了基于主动学习的负样本选择策略，通过不断迭代来优化训练集中的负样本，提高了模型性能。
-
公开(公告)号：CN118430640A
公开(公告)日：2024-08-02
申请号：CN202410524760.6
申请日：2024-04-29
Applicant: 湖南科技大学
IPC: G16B15/30 , G06F18/2411 , G06F18/22 , G06F18/214 , G06F18/25
Abstract: 本发明公开了一种基于多元域异构图聚合学习的药物和靶标相互作用预测方法，大致分为以下步骤：计算药物或靶标的相似性信息得到初始特征；定义元路径以及元域图；利用异构生物信息网络数据构建异构图；使用轻量级特征聚合器预先计算异构图中各邻居结点的信息聚合；采用特征投影步骤将特征聚合向量的维度转为一致；使用多元域图语义特征融合模块来聚合元域图级语义信息；采用对比学习进行特征优化获取最终节点特征；将最终节点特征输入到多层感知机来预测药物‑靶标相互作用评分。本发明利用简单高效的训练过程对复杂的生物实体相互关系进行建模，引入轻量元路径级特征聚合器解决训练周期中重复的邻居信息聚合带来了过多的复杂度和计算量问题。
-
公开(公告)号：CN101639962A
公开(公告)日：2010-02-03
申请号：CN200910043651.8
申请日：2009-06-09
Applicant: 湖南科技大学
Abstract: 一种关联网络白光摄像机的夜间智能监控报警系统，包括：微处理器控制电路模块，红外检测及信号处理电路模块，RS485/RS232转换器，网络服务器，网络白光摄像机，继电器电路模块，报警装置，射灯装置；它用网络白光摄像机代替网络红外摄像机用于夜间监控，采用现场监控、报警、远程报警、远程监控一体化技术方案，主要克服了人眼不能清楚辩别网络红外摄像机拍摄的监控资料的图象和景物等难题；它广泛应用于贵重物资储存场所、银行、实验室、图书馆、文物保管单位等。
-
公开(公告)号：CN119728080A
公开(公告)日：2025-03-28
申请号：CN202510226297.1
申请日：2025-02-27
Applicant: 湖南科技大学
IPC: H04L9/00 , H04L9/40 , H04L67/1097 , H04L67/54 , H04L67/1396
Abstract: 本发明涉及密码数据安全处理技术领域，具体公开用于用户注册的去中心化管理方法、系统以及存储介质，该方法包括：注册平台安全监测、用户注册安全管理、用户密钥分析以及区块链的安全分析，通过实时监测获取注册平台运行过程中的安全性能数据，能够及时发现并处理注册平台潜在的安全隐患，通过监测用户在注册过程中的行为数据，能够及时发现并处理异常注册行为，通过获取用户在注册过程中的密钥数据，确保用户设置的密钥足够复杂，难以被破解，将用户在注册过程中数据进行加密存储，确保用户数据在传输和存储过程中的安全性，实现用户数据的分布式存储，同时，去中心化管理方法降低了对中心化机构的依赖，提高了用户注册过程的安全性。
-
公开(公告)号：CN116779034A
公开(公告)日：2023-09-19
申请号：CN202310542486.0
申请日：2023-05-15
Applicant: 湖南科技大学
IPC: G16B30/10 , G16B40/00 , G06F18/2132 , G06F18/22 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种miRNA与疾病关联预测方法、设备及存储介质，该方法包括确定miRNA与疾病关联矩阵、miRNA相似性矩阵以及疾病相似性矩阵；构建关于miRNA与疾病关联的异构网络图；计算出miRNA/疾病相似性的拉普拉斯图正则化矩阵；构建图自编码器，其编码器和解码器均采用两层GAT+GCN；将异构关联矩阵、特征空间矩阵、拉普拉斯图正则化矩阵作为图自编码器的输入，得到输出矩阵；根据输出矩阵以及miRNA与疾病关联矩阵计算损失值；根据损失值对图自编码器进行训练，并得到miRNA与疾病的关联预测结果。本发明提升了关联预测的性能。
-
Patent Agency Ranking
公开(公告)号：CN114944192B
公开(公告)日：2023-06-30
申请号：CN202210714604.7
申请日：2022-06-22
Applicant: 湖南科技大学
IPC: G16B15/30 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图注意力的疾病相关环状RNA识别方法，包括以下步骤：构建circRNA‑circRNA关系子图、疾病与疾病关系子图；构建circRNA与疾病的异构图；利用多头动态注意力机制学习异构图上每个节点特征的不同聚合表达，在此基础上利用具有不同大小卷积核的单层卷积网络从节点特征的不同聚合表达中提取具有信息的高阶特征；利用广义矩阵分解交互节点的高阶特征以表达异构图上节点之间的复杂关系；最后利用多层感知机网络学习节点之间的特征交互以达到预测circRNA节点与疾病节点之间潜在关系的目的。本发明具有可靠性高、准确性强等优点，有着广泛的市场前景。
-
公开(公告)号：CN116092582A
公开(公告)日：2023-05-09
申请号：CN202310128876.3
申请日：2023-02-17
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于深度学习的scRNA‑seq缺失值填充方法，其包括以下步骤：使用细胞文库大小对表达矩阵的值进行标准化；标记表达矩阵缺失的位置并构建数据矩阵的低维表示变量；通过构建宽度神经网络将低维表示变量升维至原始矩阵的大小，对奇异值进行收缩，对预先标记位置的值进行填充。本发明通过宽度神经网络鞍点数目极少的特点，通过宽度神经网络来对矩阵的奇异值进行削减，进而最小化核范数来对表达矩阵的缺失值进行推断并填充，以解决单细胞测序数据中存在缺失值的问题，采用深度学习方法来对传统问题进行求解，在极大提高求解速度的同时，并具有极高的结果稳定性以及参数鲁棒性。
-
公开(公告)号：CN114944192A
公开(公告)日：2022-08-26
申请号：CN202210714604.7
申请日：2022-06-22
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于图注意力的疾病相关环状RNA识别方法，包括以下步骤：构建circRNA‑circRNA关系子图、疾病与疾病关系子图；构建circRNA与疾病的异构图；利用多头动态注意力机制学习异构图上每个节点特征的不同聚合表达，在此基础上利用具有不同大小卷积核的单层卷积网络从节点特征的不同聚合表达中提取具有信息的高阶特征；利用广义矩阵分解交互节点的高阶特征以表达异构图上节点之间的复杂关系；最后利用多层感知机网络学习节点之间的特征交互以达到预测circRNA节点与疾病节点之间潜在关系的目的。本发明具有可靠性高、准确性强等优点，有着广泛的市场前景。
-
公开(公告)号：CN119728080B
公开(公告)日：2025-05-16
申请号：CN202510226297.1
申请日：2025-02-27
Applicant: 湖南科技大学
IPC: H04L9/00 , H04L9/40 , H04L67/1097 , H04L67/54 , H04L67/1396
Abstract: 本发明涉及密码数据安全处理技术领域，具体公开用于用户注册的去中心化管理方法、系统以及存储介质，该方法包括：注册平台安全监测、用户注册安全管理、用户密钥分析以及区块链的安全分析，通过实时监测获取注册平台运行过程中的安全性能数据，能够及时发现并处理注册平台潜在的安全隐患，通过监测用户在注册过程中的行为数据，能够及时发现并处理异常注册行为，通过获取用户在注册过程中的密钥数据，确保用户设置的密钥足够复杂，难以被破解，将用户在注册过程中数据进行加密存储，确保用户数据在传输和存储过程中的安全性，实现用户数据的分布式存储，同时，去中心化管理方法降低了对中心化机构的依赖，提高了用户注册过程的安全性。
-
公开(公告)号：CN118888011A
公开(公告)日：2024-11-01
申请号：CN202410917624.3
申请日：2024-07-09
Applicant: 湖南科技大学
IPC: G16B40/20 , G16B30/00 , G06F18/213 , G06F18/241 , G06F18/25 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于多源特征提取的miRNA‑circRNA预测方法、设备及介质。该方法具体步骤如下：首先，通过不同的方式获取miRNA和circRNA的不同尺度特征。其次，从不同角度对五种特征进行特征聚合和特征增强学习：第一，针对不同特征聚合同质图上的同质信息；第二，使用双卷积注意力进行多特征增强学习，第三，使用双线注意力交互异质信息。然后，将通过三种不同角度特征学习的嵌入分别与原始特征融合表示进行对比学习，利用对比损失函数优化向量表示。最后，将三种特征向量连接作为最后的特征嵌入进行预测。本发明针对多尺度特征从三个不同角度进行特征学习，丰富了节点的特征信息，提高了模型的评估性能。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
