-
公开(公告)号:CN119066596B
公开(公告)日:2025-04-08
申请号:CN202411564038.1
申请日:2024-11-05
Applicant: 暨南大学
IPC: G06F18/2433 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06F18/241
Abstract: 本发明公开了一种用于工业控制系统异常检测的深度学习方法、装置、工作介质及计算机设备。该方法构建的神经网络模型利用一维卷积和线性层提取传感器节点的时间依赖特征。物理流程图将传感器节点划分为子图,并通过设置为完全图和图注意力网络提取局部依赖特征,池化生成物理流程嵌入,应用图注意力网络捕捉流程间的全局依赖。控制图通过图注意力网络提取控制器内传感器的通信特征,通过池化生成控制器嵌入,再应用图注意力网络捕捉控制器间的信息流动。通过物理流程图与控制器通信图的联合建模,有效捕捉多层次依赖。采用早停机制避免过拟合,支持基于异常分数的异常定位。该方法能够高效检测并定位工业控制系统中的异常,保障系统安全稳定运行。
-
公开(公告)号:CN111440172B
公开(公告)日:2022-02-11
申请号:CN201910044871.6
申请日:2019-01-17
Applicant: 暨南大学
IPC: C07D487/04 , C07D471/04 , C07D401/12 , C07D401/04 , C07D239/47 , C07D239/94 , C07D405/12 , C07D401/14 , G01N21/64
Abstract: 本发明涉及一种丙烯酰胺类化合物及其应用。所述丙烯酰胺类化合物具有如式(I)所示结构。该类分子探针化合物能够在活细胞内高选择性、高效率地标记其靶标蛋白,具有较高的灵敏度与可操作性,同时还可以作为一种工具分子探针,通过在活细胞体内竞争性的标记与成像实验筛选特定靶标的抗癌活性化合物。
-
公开(公告)号:CN119066596A
公开(公告)日:2024-12-03
申请号:CN202411564038.1
申请日:2024-11-05
Applicant: 暨南大学
IPC: G06F18/2433 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06F18/241
Abstract: 本发明公开了一种用于工业控制系统异常检测的深度学习方法、装置、工作介质及计算机设备。该方法构建的神经网络模型利用一维卷积和线性层提取传感器节点的时间依赖特征。物理流程图将传感器节点划分为子图,并通过设置为完全图和图注意力网络提取局部依赖特征,池化生成物理流程嵌入,应用图注意力网络捕捉流程间的全局依赖。控制图通过图注意力网络提取控制器内传感器的通信特征,通过池化生成控制器嵌入,再应用图注意力网络捕捉控制器间的信息流动。通过物理流程图与控制器通信图的联合建模,有效捕捉多层次依赖。采用早停机制避免过拟合,支持基于异常分数的异常定位。该方法能够高效检测并定位工业控制系统中的异常,保障系统安全稳定运行。
-
公开(公告)号:CN111440172A
公开(公告)日:2020-07-24
申请号:CN201910044871.6
申请日:2019-01-17
Applicant: 暨南大学
IPC: C07D487/04 , C07D471/04 , C07D401/12 , C07D401/04 , C07D239/47 , C07D239/94 , C07D405/12 , C07D401/14 , G01N21/64
Abstract: 本发明涉及一种丙烯酰胺类化合物及其应用。所述丙烯酰胺类化合物具有如式(I)所示结构。该类分子探针化合物能够在活细胞内高选择性、高效率地标记其靶标蛋白,具有较高的灵敏度与可操作性,同时还可以作为一种工具分子探针,通过在活细胞体内竞争性的标记与成像实验筛选特定靶标的抗癌活性化合物。
-
-
-