-
公开(公告)号：CN120033471A
公开(公告)日：2025-05-23
申请号：CN202510366434.1
申请日：2025-03-26
Abstract: 本发明涉及天线技术领域，具体涉及一种用于多波束天线设计的波束矢量叠加方法，首先获取馈源天线的方向图信息，再预设透镜焦平面距离馈源的纵向距离、平面网格数量以及单元宽度，接着获取多波束的基本要求，根据目标要求，设计介质单元并评估单元的S参数与相位特性，最后通过波束矢量叠加算法的相位补偿方案，获取透镜所需补偿的相位分布，合理排布介质单元。此外，本发明还通过制作测试样机，验证方法的可行性与有效性。经仿真实验验证，本发明能够实现多波束个数的灵活控制，以及子波束指向的自由调整，在满足波束个数和子波束指向等要求下，可以实现各个子波束增益的提升，以及波束宽度的缩窄，旁瓣电平的压低，和最深的零陷。
-
公开(公告)号：CN119994501A
公开(公告)日：2025-05-13
申请号：CN202510365236.3
申请日：2025-03-26
Abstract: 本发明涉及天线技术领域，具体涉及一种高隔离度双频共口径小型化相控阵天线，包括高频段线极化端射金属贴片阵列结构、低频段线极化端射金属贴片阵列结构、公共金属反射地板和单层介质基板，其中高频段线极化端射金属贴片阵列结构和低频段线极化端射金属贴片阵列结构的辐射结构均由改进的具有带外抑制的微带巴伦馈电的偶极子构成，以此实现线极化，再通过改进的具有带外辐射抑制的微带巴伦对偶极子馈电，进一步加深对高频的抑制和拓展解耦带宽；此外本发明在相邻同频天线间添加去耦结构，用来提升相邻同频天线单元间的隔离度和辐射能力，本发明能实现双频共口径相控阵天线高隔离度以及宽波束覆盖范围，提升了天线的性能，同时工艺简单且成本低。
-
公开(公告)号：CN119763670A
公开(公告)日：2025-04-04
申请号：CN202411931046.5
申请日：2024-12-26
Applicant: 桂林电子科技大学
IPC: G16B40/00 , G16B50/00 , G16B30/00 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于深度学习模型对于ncRNA与蛋白质相互作用的预测方法，使用的是公共数据库四个数据集（RPI488，NPInter2.0，RPI1807，RPI7317），kmer编码策略对ncRNA和蛋白质的序列进行提取高维稀疏特征后，通过Embedding层将稀疏特征映射为低维稠密向量；使用ResNet结合SE注意力机制提取关键的局部特征；随后通过Transformer利用位置编码和多头注意力捕捉长程依赖并提取全局特征；最终，将ResNet和Transformer的特征与线性变换后的蛋白质特征拼接，并通过DNN层进一步提炼特征后使用Sigmoid激活函数输出分类概率。通过正则化等技术来防止模型过拟合，使用十折交叉验证以及独立测试集来对模型进行性能测试。该方法使用k‑mer进行特征编码，不需要生物学的先验知识，并且通过局部特征提取与全局特征建模相结合的方式，充分捕获序列中的关键信息，利用深度学习的计算方法提高了预测ncRNA与蛋白质相互作用的准确率。
-
公开(公告)号：CN118942544A
公开(公告)日：2024-11-12
申请号：CN202410992982.0
申请日：2024-07-24
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种识别DNA序列中增强子及其活性强度的预测方法，采用独热编码(One‑hot)和核苷酸化学性质(NCP)进行编码。使用改善的密集连接网络（Dense Net）从原始的特征编码中提取高级特征；利用自注意力模块对高级特征的重要性进行评估，然后输入到全连接神经网络中得到预测概率；采用五折交叉验证的评估方式对模型性能进行评估，通过投票对最终分类结果进行集成学习；使用灵敏度（Sn）、特异性（Sp）、准确度（Acc）、马修斯相关系数（MCC）和ROC曲线下面积（AUC）等五个评估指标衡量模型；采用独立测试和进行模型预测能力的验证，相比于最先进的方法，我们的模型在识别增强子及其强度上有了显著的性能提升。
-
公开(公告)号：CN117238479A
公开(公告)日：2023-12-15
申请号：CN202310920542.X
申请日：2023-07-26
Applicant: 桂林电子科技大学
IPC: G16H50/20 , G16H50/30 , G06F18/243 , G06N20/00
Abstract: 本发明公开了一种根据血液检测结果诊断肝炎患者的可解释机器学习预测方法，其特征在于主要包含以下步骤：获取肝炎患者的血液检测结果以及肝炎诊断状况；对缺失值进行处理，并使用数据均衡策略，获得540条正样本和等数量的负样本；使用黑盒模型随机森林、支持向量机和AdaBoost进行预测；使用贝叶斯优化和网格优化算法对模型进行处理；选择精度最优的模型作为最终预测模型并输出预测结果；使用AUC、准确率、精确度、F1‑score、召回率五个评估指标衡量模型；使用SHAP对选取出的模型进行全局解释，使用LIME对预测结果进行局部解释。该方法无需侵入性检测，通过非侵入性的血液检测就可以诊断患者是否患有丙型肝炎，同时兼具可解释性，相比于最先进的方法具有更优越的识别性能且预测过程更加透明。
-
Patent Agency Ranking
公开(公告)号：CN112238691B
公开(公告)日：2023-08-08
申请号：CN202011142742.X
申请日：2020-10-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种票据用打印机及打印机的控制方法，包括盖章组件、输送组件和止动组件，盖章组件设置于输送组件的上侧，输送组件设置于打印机的出纸端，止动组件设置于输送组件的上侧，并与输送组件电性连接，止动组件包括伸缩杆、气缸、抵接板、固定柱、控制器和海绵层，气缸通过固定柱与输送组件固定连接，抵接板通过伸缩杆与气缸连接，海绵层设置于抵接板的下侧，控制器设置于固定柱的外侧，并分别与输送组件和止动组件电性连接，在现有技术的基础上，改进盖章组件的结构，并增设止动组件，利用止动组件实现自动的将票据与盖章组件脱离，从而避免了使用过程中票据盖章效果不佳的问题。
-
公开(公告)号：CN113554276A
公开(公告)日：2021-10-26
申请号：CN202110713317.X
申请日：2021-06-25
Abstract: 本发明公开一种基于泊位供给可用性感知冲突规避泊位分配系统，包括路内停车区停泊信息采集端、系统控制云计算中心、数据通信传输系统、泊位调度监控平台；通过从停车需求混乱、停泊操作空间狭窄、停泊车辆相互干扰三方面问题出发，充分调度停车区范围内车辆停泊秩序并实现车辆快速安全停泊，避免停车区向道路网严重拥堵点演化。积极响应平高峰停泊需求差异性，该系统不仅有效规避了当前智慧停车快速发展带来的一系列附生问题，还可以有效降低多车辆停泊需求冲突、停泊车辆对其他车辆的相互干扰、为停泊车辆提供安全、舒适的停泊操作活动空间，并有效避免驾驶员初始盲目巡航与二次巡航；同时，该系统构建了停车区车辆停泊效益评价体系，精准把控系统的实践应用效益、并合理反馈到监泊位调度监控平台，实现系统应用效益最大化。
-
公开(公告)号：CN119786038A
公开(公告)日：2025-04-08
申请号：CN202411930976.9
申请日：2024-12-26
Applicant: 桂林电子科技大学
IPC: G16H50/30 , G16H30/40 , G06T7/11 , G06T5/70 , G06T5/60 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于文字‑3D图像的多模态脑卒中预测方法，其过程包含如下步骤：收集样本数据和预处理：获取脑卒中患者MRI样本以及每个样本病灶区域的自然语言描述信息，并将文字描述转换为向量表示，作为后续模型的输入；构建模型：使用卷积神经网络（CNN）作为图像特征编码模块，均采用U‑Net架构。模型优化：我们采用Soft Dice Loss和Cross Entropy Loss两个的加权作为模型的损失函数，以更好地优化模型；多模态融合：我们利用Transformer结构将视觉和语言信息进行融合，实现跨模态特征的深度交互；模型评估：使用Dice系数、精确度、召回率、HD95共4个评价指标来评估分割模型的性能。通过对比模型在不同评估指标下的表现，不断优化分割结果。
-
公开(公告)号：CN118800452A
公开(公告)日：2024-10-18
申请号：CN202410993056.5
申请日：2024-07-24
Applicant: 桂林电子科技大学
IPC: G16H50/30 , G16H50/70 , G06F18/214 , G06N20/10 , G06N5/01 , G06F18/23213 , G06N3/0985
Abstract: 本发明公开了一种基于聚类下采样和可解释深度森林的脑卒中预测方法，获取脑卒中和正常患者的代谢指标以及分类情况；对特征进行标准化，并对异常值进行处理，获取完整的、标准化数据；使用提出的CBUC算法对不平衡数据重采样，尽可能多地将多类型的数据纳入训练，得到一个平衡训练集；使用级联深度森林模型（DF）对数据集进行预测；采用Grid search技术对预测的模型进行优化；采用10折交叉验证对模型的性能进行评估，使用Specificity（SP）、Sensitivity（SE）、Gmean、Area Under the Curve（AUC）以及Accuracy（ACC）五个指标衡量模型性能；计算深度模型中第一层森林的MDI，对输入的特征进行重要性比较。该方法将极度不平衡脑卒中数据重采样为平衡数据集，提高模型的预测精度，同时兼具可解释性，相比于最先进的方法具有更优越的识别性能且预测过程更加透明。
-
公开(公告)号：CN116779182A
公开(公告)日：2023-09-19
申请号：CN202310822955.4
申请日：2023-07-06
Applicant: 桂林电子科技大学
IPC: G16H50/80 , G16H50/20 , G16H10/40 , G16H15/00 , G16H50/30 , G06F18/10 , G06F18/2411 , G06F18/243 , G06F18/21 , G06N20/20
Abstract: 在这项发明将使用一个集成学习模型（REGX）中来进行COVID‑19的诊断和预后。该集成学习模型使用了两层的多个分类器来提升模型性能。第一级多样化分类器包括额外树、随机森林、梯度提升和极端梯度提升模型，之后第一层的输出被送至第二层SVM分类器。同时，在数据预处理时，本文采用KNNImputer算法来处理空值，使用iForest来筛选异常值，之后再用少数过采样技术(SMOTE)来使数据分布均衡。最后，通过Feature_Importances(scikit‑Learn)和SHapley Additive exPlanations(SHAP)来报告特征重要性，以满足医疗环境中模型可解释性的需求。最后，通过sklearn中的Feature_Importances和SHAP事后可解释性来揭示黑盒模型中揭示由于新型冠状病毒感染感染患者剧增而可能被医疗从业者忽略的重要的生物标志物。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.036 seconds)
