-
公开(公告)号：CN119480149B
公开(公告)日：2025-03-14
申请号：CN202510049054.5
申请日：2025-01-13
Applicant: 安徽农业大学
Abstract: 本发明适用于人工智能领域，具体是一种可解释多关系图神经网络的药物反应预测方法，包括以下步骤：构建包含细胞系和药物节点，以及敏感性、抗性、药物相似性、细胞相似性关系类型的有向异质图；采用R‑GCN模型处理有向异质图，通过节点特征聚合更新节点表示，生成正负样本进行训练，预测潜在的细胞系与药物间的链接关系；结合原始图与预测结果生成计算图，提取待解释边邻域图，利用可优化掩码和边类型加权机制，通过最大化互信息与结构评分优化得到解释子图，从互信息和结构评分两方面对解释过程进行定义。本发明运用融入注意力机制的R‑GCN模型进行链接预测，并利用掩码和自适应加权机制得到解释子图，从多方面清晰解释预测结果的生物学机制。
-
公开(公告)号：CN117892731A
公开(公告)日：2024-04-16
申请号：CN202410087114.8
申请日：2024-01-22
Applicant: 安徽农业大学
IPC: G06F40/295 , G06F16/35 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/094 , G06N3/048
Abstract: 本发明公开了一种基于多智能体通信的玉米病虫害领域命名实体识别方法，包括以下步骤：步骤1、获取玉米病虫害及相关基因的文本数据；步骤2、对文本数据进行实体标注得到标注文本数据，并划分为训练集、测试集和验证集，步骤3、构建包括ERNIE层、BiLSTM层、初始边界标记块、多智能体通信层、边界标记模块层、CRF层的实体识别模型；步骤4、采用训练集配合测试集、验证集对实体识别模型进行训练得到玉米病虫害领域命名实体识别模型；步骤5、将待识别的玉米病虫害领域命名实体输入至玉米病虫害领域命名实体识别模型。本发明能够从相应的玉米病虫害领域数据集中识别相关的玉米病虫害领域实体边界和类别。
-
公开(公告)号：CN117153267A
公开(公告)日：2023-12-01
申请号：CN202311138714.4
申请日：2023-09-05
Applicant: 安徽农业大学
Abstract: 本发明涉及猪源抗菌肽预测，具体涉及一种基于BERT模型的猪源抗菌肽预测方法，采集猪的生物样本，确定猪源抗菌肽的氨基酸序列；对BERT模型进行模型训练，并将采集数据输入训练好的BERT模型中进行预测；从代表性基因组中预测sORFs序列；筛选出蛋白质组学数据中潜在的c_AMPs序列；筛选出候选猪源抗菌肽，并进一步进行抗耐多药细菌的功效试验；本发明提供的技术方案能够有效克服现有技术所存在的不能对猪源抗菌肽进行准确、高效预测的缺陷。
-
公开(公告)号：CN119165159A
公开(公告)日：2024-12-20
申请号：CN202410615737.8
申请日：2024-05-17
Applicant: 安徽农业大学
IPC: G01N33/559
Abstract: 本发明属于农药检测技术领域，具体涉及一种基于胶体金识别的农药残留检测方法，包括以下步骤：取待检测的农产品的食用部分，切碎后进行匀浆；向匀浆液内加入3‑5倍体积的提取溶剂，充分混合后静置，取上清液；取5份10g上清液，分别加入10倍、50倍、100倍、500倍和1000倍稀释溶剂，混合均匀后得到五组稀释液；五组稀释液分别取80ul加入到纳米胶体金检测卡的检测口处，待其反应15‑20分钟后将五组纳米胶体金检测卡转移至具有环形LED光源的暗盒中；通过摄像头拍摄纳米胶体金检测卡的显色结果，并将图像传回至显示终端，通过查看图像判断农药残留量；克服了现有技术的不足，利用纳米胶体金检测卡对不同稀释度的农产品提取物进行检测，从而判断农药残留量。
-
公开(公告)号：CN117094325A
公开(公告)日：2023-11-21
申请号：CN202311240372.7
申请日：2023-09-25
Applicant: 安徽农业大学
IPC: G06F40/295 , G06F40/30 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种水稻病虫害领域命名实体识别方法，包括以下步骤：步骤S1、获取水稻病虫害领域实体的文本数据；步骤S2、对部分文本数据按实体进行数据标注构建训练集，其余为未标注文本数据；步骤S3、构建识别模型，利用训练集对识别模型进行训练得到基准模型；步骤S4、利用基准模型预测未标注文本数据得到带有伪标签的文本数据；将带有伪标签的文本数据扩充训练集对基准模型进行训练，得到最终识别模型；步骤S5、利用最终识别模型识别水稻病虫害实体。本发明解决了缺乏训练数据、实体结构复杂、实体类型多样、实体分布不均问题、解决缺乏训练数据问题，减少当前大多数命名实体识别模型对高质量标注数据集的依赖。
-
Patent Agency Ranking
公开(公告)号：CN119646315A
公开(公告)日：2025-03-18
申请号：CN202510170417.0
申请日：2025-02-17
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06Q10/083 , G06Q10/0832 , G06F18/2135 , G06N5/022 , G06N3/042 , G06N3/0455 , G06N3/0499 , G06N3/045 , G06N3/0442 , G06N7/01 , G06F40/289
Abstract: 本发明适用于人工智能领域，提供了一种基于知识图谱的运输工具匹配推荐方法及系统，利用改进的知识图谱嵌入模型KGE，将三元组转换为文本形式，并通过BERT模型对输入文本进行编码，得到每个Token的上下文表示；基于三元组的聚合表示，捕捉实体和关系的全局语义信息，得到实体和关系的嵌入表示；整合并提取异质信息的特征，使用主成分分析PCA对异质信息的特征数据进行降维处理，得到异质信息的嵌入表示；基于推荐系统算法NFM模型的嵌入层将实体、关系和异质信息进行特征降维，通过双线性交互操作捕捉降维特征之间的二阶交互关系，使用前馈神经网络FNN学习高阶特征交互，输出货物与运输工具的匹配概率，基于匹配概率进行货物与运输工具的匹配推荐。
-
公开(公告)号：CN119480149A
公开(公告)日：2025-02-18
申请号：CN202510049054.5
申请日：2025-01-13
Applicant: 安徽农业大学
Abstract: 本发明适用于人工智能领域，具体是一种可解释多关系图神经网络的药物反应预测方法，包括以下步骤：构建包含细胞系和药物节点，以及敏感性、抗性、药物相似性、细胞相似性关系类型的有向异质图；采用R‑GCN模型处理有向异质图，通过节点特征聚合更新节点表示，生成正负样本进行训练，预测潜在的细胞系与药物间的链接关系；结合原始图与预测结果生成计算图，提取待解释边邻域图，利用可优化掩码和边类型加权机制，通过最大化互信息与结构评分优化得到解释子图，从互信息和结构评分两方面对解释过程进行定义。本发明运用融入注意力机制的R‑GCN模型进行链接预测，并利用掩码和自适应加权机制得到解释子图，从多方面清晰解释预测结果的生物学机制。
-
公开(公告)号：CN117094325B
公开(公告)日：2024-03-29
申请号：CN202311240372.7
申请日：2023-09-25
Applicant: 安徽农业大学
IPC: G06F40/295 , G06F40/30 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种水稻病虫害领域命名实体识别方法，包括以下步骤：步骤S1、获取水稻病虫害领域实体的文本数据；步骤S2、对部分文本数据按实体进行数据标注构建训练集，其余为未标注文本数据；步骤S3、构建识别模型，利用训练集对识别模型进行训练得到基准模型；步骤S4、利用基准模型预测未标注文本数据得到带有伪标签的文本数据；将带有伪标签的文本数据扩充训练集对基准模型进行训练，得到最终识别模型；步骤S5、利用最终识别模型识别水稻病虫害实体。本发明解决了缺乏训练数据、实体结构复杂、实体类型多样、实体分布不均问题、解决缺乏训练数据问题，减少当前大多数命名实体识别模型对高质量标注数据集的依赖。
-
公开(公告)号：CN116934352A
公开(公告)日：2023-10-24
申请号：CN202310888981.7
申请日：2023-07-19
Applicant: 安徽农业大学
IPC: G06Q30/018 , G06Q10/0639 , G06Q50/02 , G06F16/27 , G06K17/00
Abstract: 本发明涉及农产品质量安全，具体涉及一种农产品质量安全追溯系统，包括服务器，服务器通过存储区块创建模块在区块链上创建用于对应存储各农产品溯源信息的存储区块，并利用智能合约生成模块在链上生成智能合约，服务器通过生产信息采集模块采集农产品的生产信息，并利用生产档案信息存储模块将农产品的生产档案信息写入相应的存储区块，服务器通过产品档案信息存储模块将农产品的产品档案信息写入相应的存储区块，并利用流通档案信息存储模块将农产品的流通档案信息写入相应的存储区块；本发明提供的技术方案能够有效克服现有技术所存在的不能较为全面地对农产品供应链中各个环节的质量安全进行有效追溯的缺陷。
-
公开(公告)号：CN117975172B
公开(公告)日：2024-07-09
申请号：CN202410373070.5
申请日：2024-03-29
Applicant: 安徽农业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/096 , G06V10/40 , G06V10/766 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种整株豆荚识别模型构建与训练方法及系统，属于智能检测技术领域。包括单个豆荚提取与类别匹配、虚拟离体和整株豆荚数据集生成和豆荚识别模型构建与训练。标注获得离体和整株豆荚图像数据集，从离体豆荚训练集中提取单个豆荚并利用其生成虚拟离体和整株豆荚数据集，搭建豆荚识别模型，并使用多阶段迁移学习方法采用虚拟和真实豆荚数据集通过从离体到整株豆荚数据的训练来获得整株豆荚识别模型。本发明较于现有技术，优点在于：生成的虚拟数据集能够丰富豆荚特征，显著减少豆荚标注工作量，并避免重叠遮挡场景下豆荚标注困难等问题；提出的整株豆荚识别模型具有较强的特征提取能力，提升了复杂场景下豆荚识别精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.021 seconds)
