-
公开(公告)号：CN114420203B
公开(公告)日：2025-05-13
申请号：CN202111493609.3
申请日：2021-12-08
Applicant: 深圳大学
Abstract: 本发明公开的一种用于预测转录因子‑靶基因相互作用的方法及模型，所述用于预测转录因子‑靶基因相互作用的方法是基于随机游走的异构图嵌入算法来预测TF与靶基因潜在的相互作用关系，采用随机游走方式在异构图中生成节点的语句，然后采用滑动窗口方式提取训练样本，经过异构图嵌入算法生成节点的特征，进而预测TF与靶基因之间未被发现的相互作用关系。并且，由于本发明在异构图中添加了TG节点，采用随机游走生成样本路径的过程中，在选择TG或者疾病节点时，设定一个概率，以一定概率选择TG或者疾病，在解决冷启动问题的同时，能够更好地捕获异构网络的节点信息。
-
公开(公告)号：CN119106188A
公开(公告)日：2024-12-10
申请号：CN202411099818.3
申请日：2024-08-09
Applicant: 深圳大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/9538 , G06F16/435 , G06Q30/0601 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06F18/25
Abstract: 本申请适用于智能推荐技术领域，提供了一种物品推荐方法、装置、存储介质和智能设备，包括：获取目标用户的标识信息；在已训练完成的目标超图中，确定所述目标用户的标识信息对应的用户表征；基于所述用户表征与所述目标超图中的物品表征，计算所述目标用户对所述物品的感兴趣程度；基于所述感兴趣程度的排序结果，为所述目标用户进行物品推荐。本申请可为用户提供高效、个性化的推荐，提升推荐的准确性以及用户的满意度。
-
公开(公告)号：CN118197419A
公开(公告)日：2024-06-14
申请号：CN202410392203.3
申请日：2024-03-29
Applicant: 深圳大学
IPC: G16B30/00 , G06F40/30 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本申请提供了一种噬菌体预测方法、装置、电子设备及可读存储介质。所述方法包括：获取待预测噬菌体向量，待预测噬菌体向量包括至少两个第一氨基酸词元向量，词元向量包括表征内容的词嵌入向量和表征位置的位置嵌入向量；将待预测噬菌体向量输入至已训练的预测模型，获得已训练的预测模型根据第一语义向量确定并输出的第一蛋白质类别，第一语义向量是已训练的预测模型根据提取的待预测噬菌体向量中各词元向量之间的关联信息确定的。本申请能够提取待预测噬菌体向量中各氨基酸之间的关联信息，并根据关联信息确定更能表征噬菌体的蛋白质的语义向量，能够自动化且准确预测噬菌体的蛋白质的类别，无需借助人工干预，提高预测模型的预测能力。
-
公开(公告)号：CN113780518A
公开(公告)日：2021-12-10
申请号：CN202110914528.X
申请日：2021-08-10
Applicant: 深圳大学
Abstract: 本申请适用于计算机技术领域，提供了一种网络架构优化方法、终端设备及计算机可读存储介质，包括：获取网络架构集合，所述网络架构集合中包括多个网络架构；对所述网络架构集合中的每个所述网络架构进行编码，获得编码集合；基于粒子群算法在所述编码集合中迭代搜索出最优编码；对所述最优编码进行解码，获得优化后的目标网络架构。通过上述方法，可以有效提高网络架构的优化效率，保证卷积神经网络性能的最优化。
-
公开(公告)号：CN111259312B
公开(公告)日：2021-08-17
申请号：CN202010041521.7
申请日：2020-01-15
Applicant: 深圳大学
Abstract: 本发明公开了多目标流水车间调度方法、装置、计算机设备及存储介质，包括判断是否接收到客户端发送的车间调度请求；若接收到客户端发送的车间调度请求，获取与所述车间调度请求对应的输入数据和约束条件；其中，与所述车间调度请求对应的输入数据包括工件数、加工工序数、和机器数；调用预先存储的多目标车间调度优化模型，以所述输入数据为所述多目标车间调度优化模型的输入，根据所述约束条件和所述输入数据对所述多目标车间调度优化模型进行超多目标的进化求解，得到最优解集；将所述最优解集发送至客户端。实现了多目标车间调度优化模型在超多目标的进化求解的过程中，在搜索空间巨大的前提下快速求解，且保持了可行解的多样性。
-
Patent Agency Ranking
公开(公告)号：CN112073360A
公开(公告)日：2020-12-11
申请号：CN201911157089.1
申请日：2019-11-22
Applicant: 深圳大学
Abstract: 本申请适用于计算机安全领域，提供了一种超文本传输数据的检测方法、装置、终端设备及介质，包括：接收超文本传输数据；对所述超文本传输数据和预设的训练数据进行聚类，根据聚类结果将所述超文本传输数据划分为正常数据和待检测数据；采用所述正常数据和所述训练数据训练第一分类器；采用所述第一分类器对所述待检测数据进行分类，将所述待检测数据划分为正常数据和异常数据。通过上述方法，能够及时发现新的异常，降低数据的误判率。
-
公开(公告)号：CN110321217A
公开(公告)日：2019-10-11
申请号：CN201910226442.0
申请日：2019-03-25
Applicant: 深圳大学
Abstract: 本发明适用云计算技术领域，提供了一种多目标的云资源调度方法、装置、设备及存储介质，该方法包括：根据由接收到的服务请求序列形成的初始云资源调度方案对免疫算法进行初始化，根据相应的克隆选择策略对初始种群中的个体进行克隆选择操作，得到相应的克隆种群，采用差分进化算法分别对每个克隆个体进行进化操作，得到对应的进化个体，根据进化个体对克隆种群进行更新，当未达到迭代代数阈值时，将克隆种群设置为初始种群，继续对初始种群中的个体进行克隆选择操作，直至达到迭代代数阈值，则将克隆种群中的克隆个体作为最优解进行输出，从而提高了最优解求解的收敛速度，并保证了最优解的多样性和连续性，进而提高了云资源分配的合理性。
-
公开(公告)号：CN119992244A
公开(公告)日：2025-05-13
申请号：CN202510473054.8
申请日：2025-04-16
Applicant: 深圳大学
IPC: G06V10/771 , G06V10/58 , G06V10/74 , G06V10/764 , G06V20/10 , G06V20/70 , G06N3/006
Abstract: 本发明适用遥感信息处理技术领域，提供了一种跨领域高光谱波段选择方法、装置、设备及存储介质，该方法包括：根据目标域的波段总数，初始化粒子群，根据波段总数和目标组数，对目标域中的高光谱波段进行分组划分，得到目标高光谱波段组，利用基于源域训练得到的神经网络模型，计算粒子群中每个粒子在由目标高光谱波段组构成的解空间中当前位置的适应度值，判断是否达到寻优终止条件，是则，将粒子群中适应度值最高的粒子确定为目标域的最优波段组合，否则，根据适应度值更新粒子群中每个粒子的位置信息和速度信息，并在搜索空间中继续搜索和优化，从而在降低了高光谱数据标注成本的同时，提升了从高光谱数据中选取最具代表性波段的效率和效果。
-
公开(公告)号：CN118485115A
公开(公告)日：2024-08-13
申请号：CN202410524611.X
申请日：2024-04-28
Applicant: 深圳大学
IPC: G06N3/0495 , G06N3/042 , G06N3/08
Abstract: 本申请提供了一种符号网络的压缩方法、装置、电子设备及存储介质，方法包括：通过步骤S100的获取第一符号网络；步骤S200的确定第二符号网络；步骤S300的基于第一符号网络、第二符号网络及初始图神经网络模型，确定压缩目标损失函数；步骤S400的基于第二符号网络、学习率和压缩目标损失函数，确定第三符号网络；步骤S500的基于第三符号网络训练初始图神经网络模型直至满足预设要求，确定第一图神经网络；步骤S600的循环依次执行步骤S400、步骤S500确定第四符号网络和第二图神经网络；步骤S700的重新初始化第二图神经网络模型并循环执行步骤S600，确定第五符号网路，形成更小更紧凑的符号网络，保留了第一符号网络中重要信息，提高了第五符号网络训练模型的效果。
-
公开(公告)号：CN118153733A
公开(公告)日：2024-06-07
申请号：CN202410055697.6
申请日：2024-01-15
Applicant: 深圳大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/27 , G06N3/126 , G06F123/02
Abstract: 本发明公开了一种短期风速区间预测方法，所述方法包括：获取风速观测数据，并根据风速观测数据得到风速时间序列；对风速时间序列进行聚类，得到聚类分组，并计算每个聚类分组的宽度估计；对风速时间序列进行分解，得到风速时间子序列，计算每个风速时间子序列的赫斯特指数，并根据赫斯特指数得到每个风速时间子序列的预训练模型；通过预训练模型计算每个风速时间子序列的预测结果和最优叠加权重，根据预测结果和最优叠加权重，得到点预测结果；根据点预测结果和每个聚类分组的宽度估计，得到风速区间预测。本发明通过赫斯特指数来判断序列的自相关性，从而适配多种网络模型进行训练，方法简单有效，且降低了时间复杂度。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.023 seconds)
