-
公开(公告)号：CN119398138A
公开(公告)日：2025-02-07
申请号：CN202510005344.X
申请日：2025-01-03
Applicant: 复旦大学
Abstract: 本发明涉及一种基于云端模型分解的边云协同学习方法及系统。属于机器学习和数据处理技术领域，所述方法包括：云端服务器进行模型训练得到集中式的云端模型分解为若干子模型；各个边缘设备确定目标子模型并调整得到定制化子模型；各个所述边缘设备将模型训练过程中的模型更新参数发送至所述云端服务器，所述云端服务器根据所述模型更新参数更新全局模型；通过知识蒸馏技术将所述全局模型的知识迁移回所述边缘设备；所述边缘设备根据所述本地数据集对所述全局模型进行微调，实现边云协同。通过在边缘设备和云端之间进行有效的知识交换，实现了模型的持续学习和全局优化，更加灵活、可扩展且适应性强。
-
公开(公告)号：CN118319934A
公开(公告)日：2024-07-12
申请号：CN202410483806.4
申请日：2024-04-22
Applicant: 复旦大学
IPC: A61K31/7048 , A61K31/352 , A61K36/78 , A61P31/04 , A61P31/16 , A61P11/00
Abstract: 本发明涉及一种鱼腥草相关黄酮在制备病毒细菌共感染防治药物中的用途，具体涉及鱼腥草总黄酮、槲皮苷及槲皮素在制备病毒细菌共感染间质性肺炎药物中的新用途，从鱼腥草中提取得到鱼腥草总黄酮。与现有技术相比，本发明鱼腥草总黄酮、槲皮苷及槲皮素对病毒细菌共感染导致的肺炎有明显的治疗作用。
-
公开(公告)号：CN113599370B
公开(公告)日：2023-12-08
申请号：CN202110887529.X
申请日：2021-08-03
Applicant: 复旦大学附属肿瘤医院
IPC: A61K31/137 , A61K45/06 , A61P35/00 , A61P35/04
Abstract: 本发明提供了8‑OH‑DPAT或其衍生物以及包含8‑OH‑DPAT或其衍生物的药物组合物在制备预防和/或治疗抗肿瘤药物中的用途。8‑OH‑DPAT具有明显而广泛的抗肿瘤活性，对体外培养的多种人体肿瘤细胞如乳腺癌、结直肠癌、卵巢癌、肺癌、肝癌等生长具有抑制作用，8‑OH‑DPAT能显著抑制乳腺癌MDA‑MB‑231LM2细胞在裸小鼠体内成瘤能力，显示8‑OH‑DPAT及其衍生物可以成为抗肿瘤药物。
-
公开(公告)号：CN112813153B
公开(公告)日：2022-10-18
申请号：CN202110060890.5
申请日：2021-01-18
Applicant: 复旦大学
IPC: C12Q1/6869 , G01N30/02 , G01N30/06
Abstract: 本发明公开了一种确定与目的蛋白互作的下游转录因子的方法及其应用，属于生物技术领域。本发明提供的方法通过BioID富集来源于目的蛋白表达体系的蛋白样本中生物素化的蛋白及与其交联的DNA片段，进而对富集的生物素化蛋白进行鉴定和定量，并结合ChIP‑Seq方法对富集的DNA片段进行测序、文库比对和丰度检测，最终筛选并确定出与目的蛋白互作的下游转录因子及其DNA结合序列，具有检测范围宽和准确可靠的优点，提供的方法可以用于科学研究和药物筛选等中。
-
公开(公告)号：CN108048473B
公开(公告)日：2021-06-29
申请号：CN201711086961.9
申请日：2017-11-07
Applicant: 复旦大学
Abstract: 本发明提供了一种阿魏酸酯酶基因，其来源于中国牦牛瘤胃微生物，具有如SEQ ID NO.1所示的核苷酸序列，编码如SEQ ID NO.2所示的氨基酸序列。本发明还提供了含有该基因的马克斯克鲁维酵母重组表达载体及基因工程菌株，并提供了制备阿魏酸酯酶的方法和制得的阿魏酸酯酶的用途。将阿魏酸酯酶在马克斯克鲁维酵母表达系统中重组表达，经高密度发酵48小时后胞内和胞外的阿魏酸酯酶的活力分别为686.35U/mL和346.34U/mL。马克斯克鲁维酵母重组表达的阿魏酸酯酶可释放玉米麸皮中的阿魏酸。利用本发明获得的阿魏酸酯酶，可用于食品加工、饲料添加、生物医药、纤维素物质生物转化、生物能源等领域。
-
Patent Agency Ranking
公开(公告)号：CN108385124B
公开(公告)日：2020-01-10
申请号：CN201810101088.4
申请日：2018-02-01
Applicant: 复旦大学
IPC: C25B1/04 , C25B11/06 , B22F9/24 , C01B32/16 , C01B32/184
Abstract: 本发明公开了一种用于析氢反应的过渡族金属/碳管/石墨烯电催化剂的制备方法。采用氧化石墨烯包覆的核壳双金属沸石咪唑基骨架作为前驱体，并通过一步加热法将GO热还原为rGO，同时将ZIF‑67@ZIF‑8纳米粒子原位碳化为包覆超细Co纳米粒子的N掺杂的碳纳米管，制备出Co@N‑CNTs@rGO复合材料。该复合材料由于其独特的三维分级结构、高孔隙率、丰富的N掺杂、rGO的高导电性以及Co纳米粒子的均匀分散等优点，当其作为催化剂用于HER时，显示出优异的电催化特性。本发明所得复合材料不仅导电性强，活性位点多，电催化性能好，而且制备所用原料成本低，工艺简单，反应能耗低，可实现大规模制备，是一种高效经济的新型HER电催化剂制备方法。
-
公开(公告)号：CN108385124A
公开(公告)日：2018-08-10
申请号：CN201810101088.4
申请日：2018-02-01
Applicant: 复旦大学
IPC: C25B1/04 , C25B11/06 , B22F9/24 , C01B32/16 , C01B32/184
Abstract: 本发明公开了一种用于析氢反应的过渡族金属/碳管/石墨烯电催化剂的制备方法。采用氧化石墨烯包覆的核壳双金属沸石咪唑基骨架作为前驱体，并通过一步加热法将GO热还原为rGO，同时将ZIF-67@ZIF-8纳米粒子原位碳化为包覆超细Co纳米粒子的N掺杂的碳纳米管，制备出Co@N-CNTs@rGO复合材料。该复合材料由于其独特的三维分级结构、高孔隙率、丰富的N掺杂、rGO的高导电性以及Co纳米粒子的均匀分散等优点，当其作为催化剂用于HER时，显示出优异的电催化特性。本发明所得复合材料不仅导电性强，活性位点多，电催化性能好，而且制备所用原料成本低，工艺简单，反应能耗低，可实现大规模制备，是一种高效经济的新型HER电催化剂制备方法。
-
公开(公告)号：CN107117649A
公开(公告)日：2017-09-01
申请号：CN201710283621.9
申请日：2017-04-26
Applicant: 复旦大学
IPC: C01G23/053 , B01J21/06 , B01J35/08 , B01J35/10
CPC classification number: C01G23/053 , B01J21/063 , B01J35/004 , B01J35/08 , B01J35/1014 , B01J35/1019 , B01J35/1038 , B01J35/1061 , C01P2002/72 , C01P2004/03 , C01P2004/04 , C01P2004/51 , C01P2004/62 , C01P2004/64 , C01P2006/12 , C01P2006/14 , C01P2006/17 , C01P2006/40
Abstract: 本发明属于先进多孔材料技术领域，具体涉及介孔P25二氧化钛微球及其制备方法。本发明利用溶剂挥发诱导自组装的方法，以商业化的两亲性三嵌段共聚物PEO‑PPO‑PEO为模板剂，有机钛为钛源，无机酸为二氧化钛骨架晶型调节剂，在溶剂挥发的过程中，形成均一球形形貌、发散的介孔孔道和金红石‑锐钛矿共存的骨架，焙烧脱除模板剂后得到介孔P25二氧化钛微球。该微球具有大的比表面积、大的孔容，骨架中金红石‑锐钛矿紧密堆积且比例可调，使该材料的光生电荷和光生空穴的分离效率显著提升，从而光电转化和光催化水分解产氢反应效率大大提高。本发明方法简单，湿法制备，原料易得，适于放大生产，在环境、能源、催化等众多领域具有广泛的应用前景。
-
公开(公告)号：CN119721173A
公开(公告)日：2025-03-28
申请号：CN202411594574.6
申请日：2024-11-09
Applicant: 复旦大学
IPC: G06N3/091 , G06F18/214 , G06Q30/015
Abstract: 本发明提供一种基于端云协同的大模型生态在线进化学习方法及应用，并将其应用于电商领域，实现了电商模型的高效训练与部署。该方法采用端云协同架构，云端部署大语言模型，端侧使用中小型语言模型，二者通过协同工作实现大模型生态的高效训练和推理。在训练过程中，云端模型作为教师模型，生成伪标签以补充数据集，指导端侧模型的优化训练。同时，引入多模型协作的自训练机制，多个模型扮演不同角色并相互讨论，自主生成训练标签，进一步优化端侧模型。与此同时，用户反馈信息将被纳入云端模型的提示词中进行情境学习，从而持续优化模型性能。本发明将该方法应用于电商场景，成功构建并部署了电商模型生态，实现了该领域的智能化发展。
-
公开(公告)号：CN119396497A
公开(公告)日：2025-02-07
申请号：CN202510005390.X
申请日：2025-01-03
Applicant: 复旦大学
Abstract: 本发明涉及一种基于云端大模型增强的边缘AI协同方法及系统。所述方法包括：通过自然语言处理技术解析自然语言请求并转化为各个子任务；评估各个边缘设备的处理能力，将子任务协调卸载到对应的边缘设备上；通过分布式的方式在各个边缘设备上进行边缘AI模型训练；使用跨设备一致性维护算法对各个初步边缘AI模型进行同步机制和一致性约束，将初步边缘AI模型的模型参数在各个边缘设备间对齐，完成边缘AI协同。通过利用自然语言处理技术深度解析用户的自然语言请求，准确转换为边缘设备可执行的子任务，实时动态分配，可以优化资源利用率并降低任务执行延迟；通过对模型进行同步机制和一致性约束，可以提升模型的整体性能和泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.041 seconds)
