-
公开(公告)号：CN108710780B
公开(公告)日：2022-03-15
申请号：CN201810298304.9
申请日：2018-04-04
Applicant: 大连大学
Abstract: 本发明涉及一种基于链置换调控E6核酶功能的DNA网络构造方法。该方法依据E6核酶的发卡状二级结构和催化核心保守域序列，通过链置换技术，实现E6核酶功能的调控；利用E6核酶的底物结合臂，添加RNA修饰的DNA底物，形成分支环状结构，构造DNA逻辑计算单元；通过改造DNA逻辑计算单元构造DNA逻辑门；最后连接DNA逻辑门，形成DNA网络。该方法不破坏E6核酶的序列完整性，DNA逻辑计算单元具有结构稳定、可定制、模块化、低泄漏、抗干扰的特点，可以广泛应用于生物计算、DNA纳米结构。
-
公开(公告)号：CN112115256A
公开(公告)日：2020-12-22
申请号：CN202010970430.1
申请日：2020-09-15
Applicant: 大连大学
IPC: G06F16/34 , G06F40/289 , G06F40/284 , G06F40/237 , G06F40/216 , G06F40/30 , G06K9/62
Abstract: 本发明提供一种融入中文笔画信息的新闻文本摘要生成的方法及装置。方法包括：获取新闻文本数据；对所述新闻文本数据进行预处理，得到所述新闻文本数据的分词文本；对所述分词文本中的每个单词进行扫描得到该分词文本的笔画字典，将所述笔画字典转换为向量形式；基于向量形式的笔画字典，生成各单词基于笔画信息的嵌入，并根据各单词基于笔画信息的嵌入将句子表示成嵌入向量；将所述嵌入向量表示为有向图，并利用TextRank算法对所述有向图进行迭代，从而获得各个句子的得分，根据各个句子的得分生成摘要输出。本发明使用融入笔画信息的TextRank算法，使用Cw2vec模型生成基于笔画信息的词向量，通过迭代生成新闻的文本摘要。
-
公开(公告)号：CN111988144A
公开(公告)日：2020-11-24
申请号：CN202010833650.X
申请日：2020-08-18
Applicant: 大连大学
Abstract: 本发明提供一种基于多重密钥的DNA一次一密图像加密方法，包括：根据待加密的图像，利用二维离散余弦变换、二维反离散余弦变换、二维离散傅里叶变换和二维反离散傅里叶变换，计算得到4个加密参数；将4个加密参数分别作为4个混沌的初值，生成4个混沌序列；选取一条天然DNA序列，利用其对4个混沌序列进行处理，得到2个扩散矩阵和2个置乱矩阵；对待加密图像交替进行两轮扩散操作和两轮置乱操作，从而得到加密图像。本发明中所有混沌函数的初值都是由原图像信息计算得到，可以非常好地抵御差分攻击。同时，本发明利用海量DNA序列解决了一次一密乱码本难以存放的问题，实现了一次一密的加密效果，很大程度上提高了加密方法的安全性。
-
公开(公告)号：CN111339635A
公开(公告)日：2020-06-26
申请号：CN202010051588.9
申请日：2020-01-17
Applicant: 大连大学
IPC: G06F30/20 , G06F111/04 , G06N3/00
Abstract: 本发明公开了基于阻尼因子的多元宇宙算法的DNA存储编码优化方法，其具体为：构造满足组合约束条件的最优DNA编码序列，首先要构造出一定个数的DNA序列作为初始种群，对种群的适应度进行评价排序。其次，利用已经得出的DNA编码序列，用含有阻尼因子的更新公式和Lévy飞行搜索进行优化，得到适应度较高的DNA存储编码序列。然后，通过约束比对根据约束判断是否加入备选解集合。最后，输出最优DNA存储编码序列。该方法可以搜索出数量较优的DNA存储编码序列。
-
公开(公告)号：CN111275161A
公开(公告)日：2020-06-12
申请号：CN202010104480.1
申请日：2020-02-20
Applicant: 大连大学
Abstract: 一种基于DNA链置换的竞争神经网络框架，属于生物计算领域。首先根据分子逻辑计算AND、NAND和OR逻辑值的输入来设置DNA信号浓度，通过两个神经元分别构建每个逻辑门组成一个小的神经网络，将通过竞争神经网络实现的分子逻辑门进行级联，实现分子逻辑器件XOR和半加法器逻辑电路，并构建三人表决器。将分子逻辑计算与竞争神经网络结合在一起，实现了基于DNA链置换的竞争神经网络，减少了链的使用，通过调整各个模块DNA链的初始信号浓度，能够得到更加稳定直观的仿真结果。
-
Patent Agency Ranking
公开(公告)号：CN111210089A
公开(公告)日：2020-05-29
申请号：CN202010051590.6
申请日：2020-01-17
Applicant: 大连大学
Abstract: 本发明公开了一种基于kalman滤波的门控循环单元神经网络的股票价格预测方法，属于深度学习和股票预测领域，S1：获取股票历史数据，将数据分为训练集和测试集，并进行预处理；S2：初始化门控循环单元神经网络预测所需的参数，构建门控循环单元神经网络模型，并对其进行训练保存；S3：使用训练好的预测模型对测试集数据进行预测，并将得到的预测结果序列使用kalman滤波算法进行去噪优化；S4：使用均方根误差和决定系数对S3中去噪优化过的结果评估预测模型的性能。通过门控循环单元神经网络对股价进行预测，同时使用kalman滤波算法对预测结果序列与真实值对比优化，从而达到更加准确的预测效果。
-
公开(公告)号：CN109389206A
公开(公告)日：2019-02-26
申请号：CN201811118264.1
申请日：2018-09-26
Applicant: 大连大学
Abstract: 本发明涉及一种基于非支配排序的混合蝙蝠算法的DNA编码序列优化方法。构造满足组合约束条件的最优DNA编码序列，首先要构造出全部的DNA序列作为初始种群。接着用粒子群算法对初始种群进行搜索寻优。其次，利用已经得出的DNA编码序列，用蝙蝠算法进行优化，得到最优的DNA编码序列，用非支配排序计算最优序列的适应度并对其进行排序。最后，选出最优DNA编码序列。本发明提出的基于非支配排序的混合蝙蝠算法的DNA序列优化算法能够搜索出质量较优的DNA编码序列。
-
公开(公告)号：CN109300507A
公开(公告)日：2019-02-01
申请号：CN201811024587.4
申请日：2018-09-04
Applicant: 大连大学
IPC: G16B20/00
Abstract: 本发明涉及一种基于粒子群的混沌入侵杂草算法的DNA序列优化方法。该方法首先要构造出全部的DNA序列作为初始种群。接着以入侵杂草算法对初始种群进行繁殖、空间扩算、竞争性排除（局部最优解）。其次，利用已经得出的局部DNA编码序列，利用粒子群优化方法进行搜索，得到新的DNA编码序列，计算序列的适应度并对其进行排序。最后，选出最优DNA编码序列。本发明提出的基于粒子群的混沌入侵杂草算法的DNA序列优化算法能够搜索出质量更优的DNA编码序列。
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.036 seconds)
