公开(公告)号：CN118737289A

公开(公告)日：2024-10-01

申请号：CN202410943531.8

申请日：2024-07-15

Applicant: 西北工业大学

Inventor： 汪涛 ,  赵辉 ,  肖冰 ,  陈婧 ,  尚学群 ,  彭佳杰

IPC: G16B40/00 ,  G16B25/00 ,  G06N3/0475 ,  G06N7/01 ,  G06N3/08 ,  G06N3/0464

Abstract: 本申请属于基因表达数据生成技术领域。本申请提供一种基于扩散模型的单细胞基因表达数据生成方法。本公开实施例基于扩散理论，利用深度生成网络对数据集进行深度挖掘，以学习数据中包含的丰富的生物信息，有效减少模拟过程中的信息损失，最大程度生成符合原始数据分布的单细胞基因表达模拟数据。通过神经网络自主学习细胞或基因之间的复杂的相关性，增加基因表达的多样性和随机性。且不需要提前假设基因分布的统计学模型，而是通过扩散理论去拟合符合真实基因表达分布的模型，使其在面对具有复杂分布的数据集时依然具有良好的性能。

公开(公告)号：CN117671337A

公开(公告)日：2024-03-08

申请号：CN202311559532.4

申请日：2023-11-21

Applicant: 西北工业大学

Inventor： 杨程坤 ,  宋凌云 ,  尚学群

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明涉及一种基于深度因果图学习的视觉问答方法，属于视觉问答领域。首先，对视觉问答中存在的两种语言偏见进行分析建模，建立基础模型。其次，训练阶段，使用集成方法生成一个去除问题类型偏见模型和建立问题‑答案模型；将无问题类型偏见模型与问题‑答案模型相结合进行训练；得到训练好的问题‑答案模型与视觉问答模型；最后，测试阶段，将两个模型的结果进行融合得到总的影响，问题‑答案模型的结果作为直接影响，根据因果图反事实推断原理，使用总的影响减去直接影响，去除问题造成的语言偏见，得出无偏结果。本发明方法由于去除了问题类型偏见，计数类问题的准确率大幅提升；由于去除了问题偏见，Y/N类问题准确率大幅提升。

公开(公告)号：CN116719906A

公开(公告)日：2023-09-08

申请号：CN202310725864.9

申请日：2023-06-19

Applicant: 西北工业大学

Inventor： 张育培 ,  伍智广 ,  周娅娅 ,  刘树慧 ,  尚学群

IPC: G06F16/33 ,  G06F40/216 ,  G06F40/284 ,  G06F40/30 ,  G06N3/045 ,  G06N3/0895 ,  G06F16/35 ,  G06F18/23213 ,  G06F18/24

Abstract: 本公开提供了一种基于弱监督深度学习的不平衡短评语义识别方法，涉及文本识别技术领域；上述基于弱监督深度学习的不平衡短评语义识别方法，包括：获取评审文本；基于预设语料库和所述评审文本，得到预测标签；基于所述评审文本和种子单词集，得到伪标签；基于成本敏感矩阵、所述伪标签和所述预测标签，确定目标标签；其中，所述成本敏感矩阵基于第一矩阵、第二矩阵确定。如此，基于评审文本能够得到干净的预测标签，并基于种子单词集能够得到嘈杂的伪标签，之后，基于伪标签进行弱监督学习，以得到目标标签；这样能够调节样本不平衡，从而提高模型的准确性。

公开(公告)号：CN116543832A

公开(公告)日：2023-08-04

申请号：CN202310389962.X

申请日：2023-04-12

Applicant: 西北工业大学

Inventor： 汪涛 ,  肖翼甫 ,  邓强 ,  尚学群 ,  彭佳杰

IPC: G16B25/10 ,  G16B30/00 ,  G16B40/00 ,  G06F18/22 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于多尺度超图卷积的疾病‑miRNA关系预测方法及应用，在ncRNA‑miRNA‑mRNA转录调控网络上来进行miRNA相似性计算，利用Jaccard方法得到miRNA的相似矩阵，得到靶向关系信息比目前用于疾病相关miRNA预测的miRNA‑target关系网数据更全，更能表现miRNA在转录层面的特征。使用类似的方法，我们得到基于疾病标志有向无环图得到疾病相似矩阵，再训练集中的miRNA‑disease矩阵将稀疏矩阵进行一定程度的补充。在矩阵之上通过不同对相似度进行多个top筛选得到多个均匀超图，再将其拼接，得到最后的多尺度均匀超图，再在其上采用交叉熵损失进行端到端的训练。我们综合考虑了基于相似性的方法以及基于简单图的方法，创造性地提出了基于多尺度超图学习的模型，并最后得到了良好的实验结果。

公开(公告)号：CN111667387B

公开(公告)日：2023-06-02

申请号：CN202010475014.4

申请日：2020-05-29

Applicant: 西北工业大学

Inventor： 代欢 ,  张育培 ,  云岳 ,  刘树慧 ,  尚学群 ,  崔嘉琪 ,  安蕊

IPC: G06Q50/20 ,  G06N5/022 ,  G06N5/02 ,  G06F16/906

Abstract: 本发明公开了一种基于元知识字典学习的认知诊断方法。该方法构建了一个过完备的元知识字典，将学生的答题情况在字典上进行表示。并假设学生掌握的知识点和题目中涉及的知识点都是由元知识点线性组成，通过元知识字典能够稀疏的表示学生的知识结构状态。在已知专家知识点的情况下，学习得到专家知识点与元知识点的关系矩阵。再利用学生与元知识点的稀疏表示矩阵和专家知识点与元知识点关系矩阵的乘积，得出每个学生对于专家知识点的掌握情况。此外，利用学生的稀疏表示矩阵将具有相同知识结构的学生聚成一类，能更好的将学生分组，提高了学生聚类的效果。

公开(公告)号：CN114943276A

公开(公告)日：2022-08-26

申请号：CN202210400590.1

申请日：2022-04-16

Applicant: 西北工业大学

Inventor： 张育培 ,  尚学群 ,  安蕊 ,  代欢 ,  张雯鑫

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明涉及一种基于树型注意力机制的深度知识追踪方法，该方法从知识概念特征视图，知识概念广度视图，知识概念等级视图三个角度构建树状结构编码张量对题目知识概念树进行编码；然后利用编码器学习题目间关联关系，使用解码器建模学生交互行为，最后将解码器深度特征与学生背景特征拼接后拟合一个线性分类器来预测学生能否正确作答目标题目。相比于基线方法，本发明具有更高的预测准确率。另外，通过分析编码器注意力网络层权重和知识概念树结构可以解释模型预测结果。

公开(公告)号：CN111985369B

公开(公告)日：2021-09-17

申请号：CN202010791032.3

申请日：2020-08-07

Applicant: 西北工业大学

Inventor： 宋凌云 ,  俞梦真 ,  尚学群 ,  李建鳌 ,  彭杨柳 ,  李伟 ,  李战怀

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于跨模态注意力卷积神经网络的课程领域多模态文档分类方法，对课程领域的多模态文档数据预处理；将注意力机制和稠密卷积网络相结合，提出了基于跨模态注意力的卷积神经网络，能更为有效的构建到具有稀疏性的图像特征；提出了面向文本特征构建的基于注意力机制的双向长短期记忆网络，可以高效构建与图像语义局部关联的文本特征；设计基于注意力机制的跨模态分组融合，能够更为准确地学习到文档中图像和文本局部关联关系，提高跨模态特征融合的准确率。在相同课程领域的数据集下，相比现有的多模态文档分类模型，该方法具有更好的性能，提高了多模态文档数据分类的准确率。

公开(公告)号：CN112309496A

公开(公告)日：2021-02-02

申请号：CN202011250596.2

申请日：2020-11-10

Applicant: 西北工业大学

Inventor： 高美虹 ,  尚学群

IPC: G16B20/00 ,  G16B50/30

Abstract: 本发明涉及一种基于RNA表达值和二级结构的相关性融合方法，旨在识别长非编码RNA和信使RNA之间的潜在相互作用关系：首先，根据差异分析方法，确定差异表达的长非编码RNA和信使RNA；然后，计算差异表达的长非编码RNA和信使RNA在表达值上的相关性，这个相关性的计算是基于表达值的；其次，计算差异表达的长非编码RNA和信使RNA在二级结构上的相关性，并进行标准化处理，这个相关性的计算是基于最小自由能的；最后，将表达值相关性和二级结构相关性进行融合，获得最终的相关性数据；本发明可以对长非编码RNA和信使RNA之间潜在的相互作用关系进行预测。

公开(公告)号：CN111985369A

公开(公告)日：2020-11-24

申请号：CN202010791032.3

申请日：2020-08-07

Applicant: 西北工业大学

Inventor： 宋凌云 ,  俞梦真 ,  尚学群 ,  李建鳌 ,  彭杨柳 ,  李伟 ,  李战怀

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于跨模态注意力卷积神经网络的课程领域多模态文档分类方法，对课程领域的多模态文档数据预处理；将注意力机制和稠密卷积网络相结合，提出了基于跨模态注意力的卷积神经网络，能更为有效的构建到具有稀疏性的图像特征；提出了面向文本特征构建的基于注意力机制的双向长短期记忆网络，可以高效构建与图像语义局部关联的文本特征；设计基于注意力机制的跨模态分组融合，能够更为准确地学习到文档中图像和文本局部关联关系，提高跨模态特征融合的准确率。在相同课程领域的数据集下，相比现有的多模态文档分类模型，该方法具有更好的性能，提高了多模态文档数据分类的准确率。

公开(公告)号：CN119008031A

公开(公告)日：2024-11-22

申请号：CN202411102097.7

申请日：2024-08-12

Applicant: 西北工业大学

Inventor： 陈伯林 ,  张劲雷 ,  韩有瑞 ,  张建君 ,  陈淑贤 ,  尚学群

IPC: G16H50/70 ,  G16B5/00 ,  G16B20/50

Abstract: 本发明公开了一种癌症演化信息的挖掘方法及装置，所述方法包括：基于癌症阶段的阶段特异性功能交互网络，使用基于谣言传播算法的网络平滑方法，将单一基因节点突变信息的影响扩散至整个功能交互网络，用于平滑和重分配基因节点的突变频率；对网络中基因节点对之间相互作用进行引力建模，基于基因节点对之间的引力，通过高引力相互作用的提取以构建高引力网络，同时引入吸引引力和排斥引力，将表达关系融入引力模型；确定基因节点的综合引力并将其作为基因节点的权重；将各个癌症演化阶段的阶段特异性功能交互网络连接在一起，构建一个以层次形式进行展示的癌症阶段演化可视化模型，用以进行确定演化因子和过渡因子在内的癌症演化研究。