药物响应预测方法、装置、计算机设备及可读存储介质

    公开(公告)号:CN119517161A

    公开(公告)日:2025-02-25

    申请号:CN202411767921.0

    申请日:2024-11-30

    Abstract: 本申请实施例提供了一种药物响应预测方法、装置、计算机设备及可读存储介质。包括:进行基因测序得到目标细胞的多层次组学特征;将多个目标基因确定为多个图节点,任意两个目标基因之间的多种属性关联关系作为多条交互边,生成多边缘图;每个目标基因关联对应的多层次组学特征作为节点特征;针对每个图节点通过多条交互边进行消息传递,得到的相邻节点特征对每个图节点中的节点特征进行更新,对更新后的多边缘图进行特征映射,得到第一细胞特征向量;通过目标模型的全连接层对第一细胞特征向量和药物化合物的药物特征向量融合得到的第一融合向量进行预测,得到药物化合物对目标细胞的预测药物响应结果。以此,能够提高对药物响应预测的准确性。

    信息检索方法和装置、电子设备及存储介质

    公开(公告)号:CN119513334A

    公开(公告)日:2025-02-25

    申请号:CN202411549955.2

    申请日:2024-10-31

    Abstract: 本申请实施例提供了一种信息检索方法和装置、电子设备及存储介质,涉及数据处理技术领域,该方法包括:将获取得到的意图描述信息输入至预设的意图识别模型中,得到意图图谱;对所述意图描述信息进行模态特征提取处理,得到至少一种模态特征表示;对所述意图图谱进行模态特征提取处理,得到图结构特征表示;将所述模态特征表示和所述图结构特征表示输入至预训练的多模态融合模型中,得到多模态语义表示;根据所述多模态语义表示和待查询的数据库的模式信息,通过预设的大语言模型生成查询语句;根据所述查询语句对所述数据库中的数据进行检索,输出检索结果。本申请实施例能够提高信息检索结果的准确性,以及用户的使用体验。

    数据质量提升方法、相关装置和介质

    公开(公告)号:CN118550906A

    公开(公告)日:2024-08-27

    申请号:CN202410651092.3

    申请日:2024-05-23

    Abstract: 本公开实施例提供了一种数据质量提升方法、相关装置和介质。该方法包括:将待提升数据输入目标神经网络模型,得到输出距离;根据输出距离、待提升数据、第一梯度信息和预设置的梯度下降速率超参数,生成中间数据;根据中间数据更新待提升数据,返回将待提升数据输入目标神经网络模型,得到输出距离的步骤,以对待提升数据进行迭代更新,直到满足预设的迭代停止条件,将满足预设的迭代停止条件的待提升数据作为目标数据。本公开实施例能够提高数据质量提升处理的可靠性,提高最终的数据质量。本公开实施例可应用于图像处理、数字人渲染、工业异常检测等场景。

    分子性质预测方法、装置、电子设备及存储介质

    公开(公告)号:CN118538311A

    公开(公告)日:2024-08-23

    申请号:CN202410605291.0

    申请日:2024-05-15

    Abstract: 本申请实施例提供了一种分子性质预测方法、装置、电子设备及存储介质,属于分子性质预测技术领域。方法包括获取目标分子数据;将目标分子数据输入至训练好的目标分子性质预测模型,得到目标分子性质预测结果;其中,目标分子性质预测模型是在多个不同的训练阶段下,基于相应复杂等级的多个样本分子数据训练得到的,且将最后一个训练阶段下训练到的分子性质预测模型作为目标分子性质预测模型;每一训练阶段下训练到的分子性质预测模型,是基于上一训练阶段训练得到的分子性质预测模型更新初始分子性质预测模型的参数后,基于与上一训练阶段不同的下一个复杂等级下的多个样本分子数据,对更新后的初始分子性质预测模型进行训练后得到的。

    分子性质预测方法、相关装置和介质

    公开(公告)号:CN119741990A

    公开(公告)日:2025-04-01

    申请号:CN202411616900.9

    申请日:2024-11-12

    Abstract: 本公开实施例提供了一种分子性质预测方法、相关装置和介质。该方法通过对无标签分子数据集中的第一分子进行拆分重组得到新的第二分子,基于第一分子和第二分子确定训练样本,并利用训练样本对分子编码器进行优化。再利用有标签分子数据集对基于优化完成的分子编码器的分子性质预测模型进行训练,以实现对分子性质的准确预测。本公开实施例能够充分利用分子内部的子结构信息来提高预测的准确性和泛化能力,以优化分子编码器的分子表征能力,使得目标分子编码器能够更好地理解分子碎片之间的组合关系,进而能够提升对于复杂分子结构的表征质量和预测精度。本公开实施例可应用于药物发现、材料科学、分子虚拟筛选等场景。

    基于大语言模型的知识查询方法、装置、设备及存储介质

    公开(公告)号:CN119719273A

    公开(公告)日:2025-03-28

    申请号:CN202411690125.1

    申请日:2024-11-22

    Abstract: 本申请实施例提供了一种基于大语言模型的知识查询方法、装置、设备及存储介质。包括:获取目标知识领域关联的待查询语句并输入至目标大语言模型中,得到知识查询结果;其中,目标大语言模型由预训练的大语言模型基于预测样本查询结果和真实样本查询结果进行差异最小化训练得到,预测样本查询结果由预训练的大语言模型基于样本嵌入向量和样本指示语句生成,样本嵌入向量根据第一嵌入向量和第二嵌入向量进行聚合得到;样本目标路径根据样本待查询语句和多条样本候选路径之间的相似度确定得到;每条样本候选路径按照多条样本元路径从领域知识图谱包含的实体以及实体之间的关联关系中匹配得到。以此,能够提高大语言模型生成查询结果的准确性。

    引力波信号预测方法、装置、电子设备及存储介质

    公开(公告)号:CN118013821A

    公开(公告)日:2024-05-10

    申请号:CN202410078151.2

    申请日:2024-01-18

    Abstract: 本申请公开了引力波信号预测方法、装置、电子设备及存储介质,涉及信号探测技术领域。方法中首先获取至少一种双目标引力波信号,模拟探测器对双目标引力波信号进行探测,得到探测信号,并对探测信号进行干涉降噪,得到干涉信号。将干涉信号输入至引力波预测模型进行预测,得到预测信号,根据预测信号和干涉信号计算自回归损失,并根据自回归损失更新引力波预测模型的模型权重。直至得到训练完成的引力波预测模型,引力波预测模型用于对输入信号进行预测,生成得到预测引力波信号。由此通过至少一种类型的双目标引力波信号训练引力波预测模型,根据干涉降噪得到的干涉信号进行预测生成,可以有效提高各种类型的引力波信号预测生成的准确度。

    时间序列信号预测方法、装置、设备和存储介质

    公开(公告)号:CN117892262A

    公开(公告)日:2024-04-16

    申请号:CN202311850756.0

    申请日:2023-12-28

    Abstract: 本申请实施例提供时间序列信号预测方法、装置、设备和存储介质,涉及人工智能技术领域。该方法获取由预设数量的初始采样数据构成的初始时间序列信号;将初始采样数据的数据位数降低为第二数量得到采样数据,获取基于第二数量生成的字典库,根据采样数据在字典库中的位置对时间序列信号进行位置编码得到输入矩阵;将输入矩阵对应的嵌入矩阵输入预先训练好的信号预测模型进行预测得到预测信号。将长时间序列信号进行精度剪裁,降低长时间序列信号的数据位数,再通过字典库的位置编码降低数据复杂度提升处理效率。同时在训练信号预测模型时,利用多阶加权系数确保子损失函数在整个损失函数的计算中贡献接近,提升信号预测模型的预测准确率。

    基因检测结果生成方法、装置、设备和存储介质

    公开(公告)号:CN117877572A

    公开(公告)日:2024-04-12

    申请号:CN202410046105.4

    申请日:2024-01-11

    Abstract: 本申请实施例提供基因检测结果生成方法、装置、设备和存储介质,涉及人工智能技术领域。该方法获取基因表达矩阵和细胞类型模板,计算标准表达量与待测表达量的相关系数,基于相关系数选取细胞类型作为待测细胞的目标类别,再对同一目标类别的待测细胞对应的待测表达量进行合并,得到合并表达量矩阵,基于预设细胞因子,从合并表达量矩阵中选取细胞因子训练数据,最后利用细胞因子训练数据训练用于生成待测基因表达矩阵的基因检测结果的基因检测模型。利用细胞类型模板对待测细胞进行标注获取目标类别,再根据目标类别生成细胞因子训练数据训练基因检测模型,建立细胞因子表达与基因检测结果之间的映射关系,提升基因检测结果的准确性。

    边缘计算的负载均衡控制方法、系统、设备及存储介质

    公开(公告)号:CN117176723A

    公开(公告)日:2023-12-05

    申请号:CN202311011018.7

    申请日:2023-08-10

    Abstract: 本申请实施例提供了一种边缘计算的负载均衡控制方法、系统、设备及存储介质,属于数据交互技术领域。方法包括:获取用户设备发送的网络请求信息并确定发送的请求时间;获取当前请求时间下多个通信设备的状态信息,并以用户设备和多个通信设备为节点,以请求时间和状态信息作为各个节点对应的属性,构建时序知识图谱;将时序知识图谱输入到预先训练得到的图神经网络模型中进行处理,预测得到未来多个时间段下用户设备与各个通信设备之间连接的评估值;根据评估值,从多个通信设备中确定每个未来时间段下满足网络连接需求的目标设备,并向用户设备发送连接指令,以使用户设备在每个未来时间段下分别与对应的目标设备通信连接。

Patent Agency Ranking