-
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:CN113486460A
公开(公告)日:2021-10-08
申请号:CN202110690573.1
申请日:2021-06-22
Applicant: 湖南科技大学
IPC: G06F30/17 , G06F30/23 , G06F119/14
Abstract: 本发明公开了一种考虑机匣变形的转子多叶片与机匣定点碰摩仿真方法,包括步骤:S1、建立转子与机匣系统动力学有限元模型;S2、机匣变形情况下,获得叶片与机匣间隙函数;S3、考虑转子旋转、机匣变形后叶片与机匣的位移,获得叶片与机匣的修正间隙函数;S4、基于叶片与机匣的修正间隙函数,设定转子多叶片与机匣碰摩的时间推进逻辑与时间步长变化,并计算各时刻叶片与机匣的碰摩力、碰摩摩擦力和转子机匣系统响应。本发明考虑机匣变形后,转子及叶片旋转后,叶片与机匣的间隙随旋转的变化,转子涡动和碰摩后,叶片、转子和机匣发生的位移,通过对叶片与机匣的间隙函数修正,精准预判碰摩时刻,缩小碰摩过程的时间步长,提高碰摩仿真的精度。
-
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。
-
公开(公告)号:CN118888003A
公开(公告)日:2024-11-01
申请号:CN202410077856.2
申请日:2024-01-18
Applicant: 湖南科技大学
IPC: G16B40/00 , G16H50/70 , G06N3/0464 , G06N3/042 , G06N3/0985 , C12Q1/6886
Abstract: 本发明公开了一种基于元网络多跳注意力机制的预测circRNA疾病方法,包括以下步骤:融合不同节点的多种相似性信息;构建异构网络;使用跨视图元网络对相似性信息提取元知识,再整合元知识整合进异构网络中;使用多跳注意力机制学习异构网络中每个节点的特征信息,得到每个节点的聚合特征;使用广义矩阵分解突出聚合特征中的高阶特征信息,再使用多层感知机(MLP)处理最终的高阶特征信息,得到最终的circRNA‑疾病对的关联预测得分。本发明将跨视图元网络融入到图神经网络中,并且将多跳机制与注意力机制融合起来,使方法能够更好的考虑元知识与多跳信息带来的优势,从而解决普通注意力机制只能考虑临近节点信息不能考虑全局信息的问题。
-
公开(公告)号:CN117012277A
公开(公告)日:2023-11-07
申请号:CN202311151750.4
申请日:2023-09-07
Applicant: 湖南科技大学
Abstract: 本发明公开了一种基于层细化图卷积神经网络预测疾病lncRNA的方法,包括以下步骤:融合节点的多种相似性信息;利用构建异构网络;使用带分层细化机制的图卷积神经网络学习异构网络中每个节点的特征聚合信息;将细化的每一隐藏层的特征信息整合,得到节点的最终特征表达;对最终特征表达矩阵应用矩阵转置乘法,得到lncRNA‑疾病对的预测关联分数。本发明将分层细化机制融入到图卷积神经网络中,使其能在消息传播过程中,充分考虑每一隐藏层与节点初始特征层之间的相似性,能够放大与初始层更相似层的权重,减小与初始层不相似的层的权重,从而解决深度神经网络中常见的过度平滑问题。
-
公开(公告)号:CN213091140U
公开(公告)日:2021-04-30
申请号:CN202021638523.6
申请日:2020-08-08
Applicant: 湖南科技大学
IPC: G01M13/00
Abstract: 本实用新型提出了一种碰摩试验装置,涉及旋转机械故障模拟技术领域,包括:基座、升降平台、设置于升降平台上的碰摩组件;其中,基座上具有沿竖直方向设置的滑轨、与滑轨平行的第一丝杠、驱动第一丝杠转动的第一电机;升降平台上设置有与滑轨滑动配合的滑动部、与第一丝杠配合传动的螺母部;碰摩组件包括有碰摩块,且所述碰摩块在X方向和Y方向上的位置可调节;其中,X方向、Y方向两者相互垂直,且分别与竖直方向垂直;碰摩块为可拆卸安装。本申请提出的碰摩试验装置,机械结构较为简单,易于拆卸,且可以在不同竖直高度,不同水平位置,调节轴向碰摩与径向碰摩侵入位移,可以实现轴向碰摩与径向多种形式的碰摩。
-
-
-
-
-