-
公开(公告)号：CN118016158A
公开(公告)日：2024-05-10
申请号：CN202410161424.X
申请日：2024-02-05
Applicant: 常州大学
IPC: G16B30/00 , G16B40/00 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的TCR‑表位结合预测方法，包括：获取TCR序列数据集，对所述TCR序列数据集进行数据处理，通过对TCR序列过滤得到表位序列，通过动态训练策略得到训练集和测试集；训练自回归编码器模型和ProtBert模型，并对TCR序列和表位序列进行特征提取，得到TCR序列特征和表位序列特征；对所述TCR序列特征和表位序列特征通过二维直方图进行数据转换，并输入到二维卷积网络中输出向量，将输出向量输入到全连接网络，得到第一输出向量，同时将二维卷积网络中输出向量合并，得到第二路网络；将第一输出向量和第二路网络通过多头注意力策略合并，对合并向量进行扁平化处理，得到全连接网络的输入，提高了TCR‑表位结合任务的预测准确性。
-
公开(公告)号：CN117995280A
公开(公告)日：2024-05-07
申请号：CN202410167832.6
申请日：2024-02-06
Applicant: 常州大学
IPC: G16B40/20 , G16B5/00 , G16B45/00 , G06F18/2111 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明公开了一种多视图的circRNA与miRNA关系预测方法及系统，包括：从数据库中收集circRNA和miRNA数据，进行配对；构建正负样本数据集，从序列和网络层面构建表征特征；将特征数据融合为二维数据结构，得到序列特征和图嵌入特征的矩阵；基于特征转化矩阵，构建四通道的卷积神经网络，分析预测circRNA和miRNA的关系。本发明提出的方法，不仅可以应用于circRNA和miRNA的关联预测，还可以应用于其他类型的生物信息学预测任务，具有广泛的应用前景。提高预测准确性，通过对序列特征和图嵌入特征的综合利用，以及注意力机制的引入，能够提高circRNA和miRNA交互关系的预测准确性，这对于生物医学研究具有重要的意义。
-
公开(公告)号：CN115496942A
公开(公告)日：2022-12-20
申请号：CN202211135316.2
申请日：2022-09-19
Applicant: 常州大学 , 常州市农产品质量安全中心
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06T7/66 , G06T7/13 , G06T7/00 , G06N3/04
Abstract: 本发明涉及胶体金识别技术领域，尤其涉及一种基于目标检测的胶体金类别判断的方法，包括人工拍摄采样胶体金检测板图像获取数据集；通过目标检测算法定位胶体金检测板的轮廓位置；对胶体金检测板进行方位矫正；对原始图像数据进行提取，截取出目标胶体金检测板区域；通过目标检测算法对显示面板的显示类别进行分类，输出分类结果。本发明通过对胶体金轮廓的检测矫正、定位到胶体金的显示面板，并联合卷积神经网络和目标检测算法实现胶体金检测类别的识别，可以对任意拍摄视角下的胶体金进行检测，减少了摆正胶体金的过程，能够精准识别到胶体金的显示面板，胶体金显示类别预测准确率高基于目标检测的胶体金类别判断的方法。
-
公开(公告)号：CN105643603B
公开(公告)日：2017-09-08
申请号：CN201610141778.3
申请日：2016-03-12
Applicant: 常州大学
IPC: B25J9/00
Abstract: 一种低耦合度三运动副平台的三平移一转动并联机器人操作手，包含动平台(1)、静平台(0)，以及连接两者的一条空间复杂支链，和两条结构相同的第Ⅱ支链、第III支链，空间复杂支链由1条主链和1条副链构成，主链从静平台到动平台，前三个转动副轴线平行，后两个转动副轴线平行，但第三个和第四个转动副轴线必须垂直；主链和副链一端的两个转动副(R11、R21)分别与静平台(0)连接且轴线不平行，而另一端的两个转动副(R15、R25)共轴线后，与动平台(1)连接；第Ⅱ支链、第III支链的结构和主链的机构相同；同时，动平台(1)上的三个转动副(R15、R35、R45)的轴线必须平行。该种操作手的耦合度低(k＝1)、结构简单、制造容易、定位精度高。
-
公开(公告)号：CN118136112A
公开(公告)日：2024-06-04
申请号：CN202410097785.2
申请日：2024-01-24
Applicant: 常州大学
IPC: G16B30/10 , G16B40/00 , G16B15/00 , G06N3/0455 , G06F18/25
Abstract: 本发明公开了一种融合多视图特征深度集成学习的多肽溶血性预测方法，涉及生物信息技术领域，包括对多肽序列进行特征的向量化；预训练模型通过大规模蛋白质数据学习多肽序列的高级表示，捕获语义和上下文信息；综合利用多肽序列特征和预训练特征，构建深度网络并融合多路数据，形成DeepHemo模型；对形成的DeepHemo模型进行评估。本发明在溶血性多肽的预测任务中取得了显著的性能提升，能够更准确地预测溶血性多肽，为相关领域的研究和应用提供了一个更可靠和有效的工具。
-
Patent Agency Ranking
公开(公告)号：CN116579398A
公开(公告)日：2023-08-11
申请号：CN202310367184.4
申请日：2023-04-07
Applicant: 常州大学
Abstract: 本申请涉及计算机视觉技术领域，公开了一种可穿越代价模型训练方法、路径生成方法以及装置，所述方法包括：根据预先采集的第一图像和对应的标注图像训练归一化植被网络，得到归一化植被模型；所述标注图像为根据所述第一图像的归一化植被指数标注的图像；利用所述归一化植被模型处理第二图像，得到所述第二图像的植被像素；根据所述植被像素和对应的深度值，训练可穿越代价网络，得到可穿越代价模型；所述深度值为通过预先采集所述第二图像的深度图得到的。本实施例中的方法可以能实时将采集到的图像输入可穿越代价模型，并通过可穿越代价模型实时预测植被的可穿越代价，并依据预测得到的可穿越代价规划出可行路径，可确保驾驶汽车的驾驶安全。
-
公开(公告)号：CN114863997A
公开(公告)日：2022-08-05
申请号：CN202210686266.0
申请日：2022-06-17
Applicant: 常州大学
Abstract: 本发明涉及抗癌肽预测技术领域，尤其涉及基于双向长短期记忆网络与特征融合的抗癌肽预测方法，包括：读取四个基准肽序列数据集，对数据集进行氨基酸组成分析；通过Bi‑LSTM对数据集进行特征提取，生成Bi‑LSTM特征向量；通过全连接神经网络对五个氨基酸特征向量进行特征提取；将特征向量通过Concatenate算法进行特征融合，通过具有1单元和Sigmoid激活函数的全连接层，得到概率分数，通过分数区分为抗癌肽和非抗癌肽。本发明实现高准确率、高马修斯相关系数、高灵敏度、高特异度和高ROC曲线下面积的抗癌肽预测。
-
公开(公告)号：CN118038995B
公开(公告)日：2024-08-23
申请号：CN202410092859.3
申请日：2024-01-23
Applicant: 常州大学
Abstract: 本发明公开了非编码RNA中小开放阅读窗编码多肽能力预测方法及系统，涉及非编码RNA中sORF编码多肽能力预测技术领域，包括采集非编码RNA中小开放阅读窗sORF编码多肽和不编码多肽序列数据，进行数据预处理；构建sORF序列和sORF序列对应的多肽序列特征空间；通过多肽序列特征空间构建融合多空间视图的深度学习模型DeepNCsORF模型；验证和评估DeepNCsORF模型。本发明通过多种特征表征来描述序列，填补了单一数据来源的不足，实现多路径信息融合，提出三路交互式注意力机制来更好地合成三个子网络的输出，充分挖掘不同网络之间的关联性，提取重要信息，预测效果优于仅考虑单一特征的方法。
-
公开(公告)号：CN118016158B
公开(公告)日：2024-08-23
申请号：CN202410161424.X
申请日：2024-02-05
Applicant: 常州大学
IPC: G16B30/00 , G16B40/00 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习的TCR‑表位结合预测方法，包括：获取TCR序列数据集，对所述TCR序列数据集进行数据处理，通过对TCR序列过滤得到表位序列，通过动态训练策略得到训练集和测试集；训练自回归编码器模型和ProtBert模型，并对TCR序列和表位序列进行特征提取，得到TCR序列特征和表位序列特征；对所述TCR序列特征和表位序列特征通过二维直方图进行数据转换，并输入到二维卷积网络中输出向量，将输出向量输入到全连接网络，得到第一输出向量，同时将二维卷积网络中输出向量合并，得到第二路网络；将第一输出向量和第二路网络通过多头注意力策略合并，对合并向量进行扁平化处理，得到全连接网络的输入，提高了TCR‑表位结合任务的预测准确性。
-
公开(公告)号：CN118038995A
公开(公告)日：2024-05-14
申请号：CN202410092859.3
申请日：2024-01-23
Applicant: 常州大学
Abstract: 本发明公开了非编码RNA中小开放阅读窗编码多肽能力预测方法及系统，涉及非编码RNA中sORF编码多肽能力预测技术领域，包括采集非编码RNA中小开放阅读窗sORF编码多肽和不编码多肽序列数据，进行数据预处理；构建sORF序列和sORF序列对应的多肽序列特征空间；通过多肽序列特征空间构建融合多空间视图的深度学习模型DeepNCsORF模型；验证和评估DeepNCsORF模型。本发明通过多种特征表征来描述序列，填补了单一数据来源的不足，实现多路径信息融合，提出三路交互式注意力机制来更好地合成三个子网络的输出，充分挖掘不同网络之间的关联性，提取重要信息，预测效果优于仅考虑单一特征的方法。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.027 seconds)
