-
公开(公告)号：CN119832329A
公开(公告)日：2025-04-15
申请号：CN202411939464.9
申请日：2024-12-26
Applicant: 南京理工大学 , 北京空间飞行器总体设计部
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种大规模自监督图表示的节点分类方法，涉及电子信息技术领域，包括以下步骤：首先对节点特征进行掩码操作，利用部分可观测的节点信号和输入邻接矩阵来重构被掩码的节点特征；设计GCN和MLP两种编码器，并在嵌入空间中最大化它们之间的相关性；通过两个编码器获得节点嵌入表示，特征进行融合得到具有较强表征能力的节点嵌入，基于GCN的解码器以重构节点特征，并最大化重构特征与原始特征的相关性。本发明采用上述一种大规模自监督图表示的节点分类方法，在推理过程中仅使用MLP大大加快推理速度，易于延迟敏感的应用的部署。通过对MLP进行梯度截断，其参数更新来自于GCN，减少了可训练参数，提高训练效率。
-
公开(公告)号：CN115527605A
公开(公告)日：2022-12-27
申请号：CN202211374655.6
申请日：2022-11-04
Applicant: 南京理工大学
Abstract: 本发明公开了基于深度图模型的抗体结构预测方法，构建特征提取模块，提取目标抗体序列的多序列联配和模板序列以生成初始MSA特征和Pair特征；构建双轨的特征更新模块，使用注意力机制实现MSA特征和Pair特征之间的更新；基于图Transformer构建特征聚合模块，更新和聚合MSA特征、Pair特征，以获取最终嵌入表示；构建距离图预测模块，预测残基对之间的相对距离和方向矩阵；构造势能函数，并对势能函数进行优化，以获取势能最小化的抗体三维结构。本发明实现了对抗体三维结构的高效、准确预测，能够有益于改善蛋白质结构测定费时费力的现状，同时解决抗体同源性数据不足的问题。
-
公开(公告)号：CN115271172A
公开(公告)日：2022-11-01
申请号：CN202210731482.2
申请日：2022-06-24
Applicant: 南京理工大学
Abstract: 本发明公开了基于高阶主成分分解时空图卷积交通速度预测方法，基于站点节点之间的距离构建节点的空间关联邻接矩阵，节点属性来自所代表站点车辆行驶的平均速度，此外，节点的属性具备动态时序性，整个交通网络建模为时空图结构；基于高阶主成分分解将交通时空图分解为核心张量和在各个维度的因子矩阵，推理出高阶主成分分解后时空图卷积网络的表现形式，实现了一种时空关联统一建模的时空图卷积网络模型。本发明首次将高阶主成分分解算法应用于时空图卷积网络，从张量空间高维关联建模的角度出发，提出了基于高阶主成分截断分解的时空图卷积模型，具备降低数据维度、并行计算和噪声抑制的优点。
-
公开(公告)号：CN119832991A
公开(公告)日：2025-04-15
申请号：CN202411939454.5
申请日：2024-12-26
Applicant: 南京理工大学
IPC: G16B40/00 , G06N3/042 , G06N3/045 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于交叉图表示学习的蛋白质相互作用预测方法，属于蛋白质间相互作用领域，包括以下步骤：S1，搜集蛋白质相互作用的预测数据集，而后对蛋白质进行特征处理，构建蛋白质图；S2，使用基于GCN的图编码器学习蛋白质图的空间结构信息；S3，使用基于自注意力模块的编码器学习受体蛋白质和配体蛋白质之间的信息；S4，使用对偶的交互图模块学习受体蛋白质和配体蛋白质之间的残基的信息；S5，生成蛋白质相互作用预测的分类器。本发明用于解决现有的蛋白质相互作用预测的方法往往在不同领域表现出的性能退化问题。
-
公开(公告)号：CN119829985A
公开(公告)日：2025-04-15
申请号：CN202411939459.8
申请日：2024-12-26
Applicant: 南京理工大学
IPC: G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于张量动态交互与解耦的多模态情感分析方法，属于多模态信息处理领域，包括以下步骤：特征提取，将原始模态数据分别输入至不同的编码器进行特征提取以生成多模态的潜在特征表示；特征交互与解耦，扩展拼接并利用笛卡尔积和爱因斯坦求和约定生成交互特征；卷积与池化：交互特征经过卷积操作逐步提取更高维度的特征，将特征图展平为一维特征向量，使用Transformer编码器对每个模态特征进行处理；步骤S4，情感预测：将解耦后的特征向量输入，通过多层感知器进行情感标签预测，并通过平均绝对误差损失函数优化预测精度。本发明能够解决现有多模态情感分析模型在处理模态间交互与特征解耦方面存在的不足。
-
Patent Agency Ranking
公开(公告)号：CN115527605B
公开(公告)日：2023-12-12
申请号：CN202211374655.6
申请日：2022-11-04
Applicant: 南京理工大学
IPC: G16B15/00 , G16B40/00 , G06F18/22 , G06N3/0464 , G06N3/048 , G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了基于深度图模型的抗体结构预测方法，构建特征提取模块，提取目标抗体序列的多序列联配和模板序列以生成初始MSA特征和Pair特征；构建双轨的特征更新模块，使用注意力机制实现MSA特征和Pair特征之间的更新；基于图Transformer构建特征聚合模块，更新和聚合MSA特征、Pair特征，以获取最终嵌入表示；构建距离图预测模块，预测残基对之间的相对距离和方向矩阵；构造势能函数，并对势能函数进行优化，以获取势能最小化的抗体三维结构。本发明实现了对抗体三维结构的高效、准确预测，能够有益于改善蛋白质结构测定费时费力的现状，同时解决抗体同源性数据不足的问题。
-
公开(公告)号：CN115620803B
公开(公告)日：2023-10-20
申请号：CN202211359901.0
申请日：2022-11-02
Applicant: 南京理工大学
IPC: G16B5/20 , G16B15/30 , G16B40/00 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于跨图注意力的蛋白质相互作用点位预测方法，步骤如下：S1、获取蛋白质数据，对每一对蛋白质分别构建一个表示残基关系的图结构；S2、对于步骤S1中构建的图，提取残基的生信特征构建节点特征矩阵；S3、对于步骤S1中构建的图，提取残基的空间特征构建图邻接特征矩阵；S4、对步骤S3构建的蛋白质图通过图卷积神经网络进行图编码；S5、在步骤S4的基础上，对步骤S3构建的蛋白质图进行跨图信息交互；S6、对步骤S5得到的节点特征进行堆叠，构成残基对特征；S7、将步骤S6得到的残基对特征送入分类器，预测该残基对是否发生了相互作用。本发明的预测方法，具有较强的表征能力和学习能力，在蛋白质相互作用点位预测任务中获得了优异表现。
-
公开(公告)号：CN116386108B
公开(公告)日：2023-09-19
申请号：CN202310304443.9
申请日：2023-03-27
Applicant: 南京理工大学
IPC: G06V40/16 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于实例一致性的公平性人脸识别方法，涉及图像信号处理技术领域，该方法主要包括以下步骤：步骤一、对人脸图像样本进行特征提取；步骤二、利用步骤一提取到的人脸样本特征，计算样本和分类器类中心构成的负样本对的相似性，以及同类样本之间正样本对的相似性；步骤三、利用步骤二得到的两种相似性，分别计算人脸样本的误识率(False PositiveRate，FPR)和召回率(TruePositiveRate，TPR)；步骤四、根据步骤三得到的样本的FPR和TPR，修改人脸识别损失函数，计算样本FPR和TPR的一致性损失。本发明采用上述方法，相比于经典人脸识别方法具有实例级的公平性，具有较高的识别精度和较低的标准差，具备优越的泛化性。
-
公开(公告)号：CN116108375B
公开(公告)日：2023-08-01
申请号：CN202211630011.9
申请日：2022-12-19
Applicant: 南京理工大学
IPC: G06F18/241 , G06F18/28 , G06F30/27 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于结构敏感图字典嵌入的图分类方法，包括以下步骤：构造基础图字典‑分别用于对输入图和字典键进行建模，在此过程中，图卷积神经网络学习每个节点的嵌入表示‑将得到的嵌入表示输入到变分图字典自适应模块，学习出自适应图字典，生成更具表达能力的字典‑度量交叉图节点之间的相关性，并实现交叉图的嵌入‑对得到的嵌入表示通过全连接层获得更低维的嵌入表示，从而得到分类结果，并引入互信息作为目标，推导出自适应图字典的变分推理，使得能够端到端的进行训练和优化。本发明采用上述基于结构敏感图字典嵌入的图分类方法，增强了原始图字典的表达能力，提高了结构变化的灵敏度，从而为重要的局部相关模式，准确地表示输入图。
-
公开(公告)号：CN110909642A
公开(公告)日：2020-03-24
申请号：CN201911108670.4
申请日：2019-11-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多尺度语义特征融合的遥感图像目标检测方法，使用卷积神经网络提取遥感图像的特征图，根据特征图的不同尺度大小，构建出特征金字塔；通过对特征金字塔网络中多层特征的融合，输出整张图像的掩码图和语义特征图；再利用候选区域网络，从掩码加权过的特征金字塔中提取出不同尺度对应的候选区域框；根据这些候选区域框，在特征金字塔网络、全图的语义特征图和原始输入图像上获得候选区域对应的局部特征，对这些多层次的局部区域特征进行融合操作，得到更加鲁棒的区域特征；最后，在感兴趣区域网络中根据融合的区域特征进行各个候选区域的边界框偏移量回归和类别预测。本发明更好地对多种特征进行了融合，提高了遥感图像目标检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.067 seconds)
