-
公开(公告)号：CN117764238A
公开(公告)日：2024-03-26
申请号：CN202311820181.8
申请日：2023-12-27
Applicant: 喀什地区电子信息产业技术研究院 , 电子科技大学
IPC: G06Q10/04 , G06Q50/02 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/044 , G06N3/084 , G06F18/213 , G06F18/25 , G06F18/27 , G06F123/02
Abstract: 本发明公开了一种基于复杂图形表征的农作物病虫害预测方法、电子设备和存储介质，方法包括以下步骤：利用病虫害影响因子‑复杂图形表征模块，构建病虫害的各种影响因子之间的关系的复杂图形结构；利用基于图卷积神经网络的特征提取模块，对复杂图形结构中的影响因子进行挑选并映射后、实现图形的特征提取；利用基于循环神经网络的病虫害预测模块，将特征提取模块处理得到的图形特征构造为特征演化序列，并将特征演化序列输入至循环神经网络时间序列机器学习模型，预测未来一定时间内病虫害的发生情况，即病虫害爆发率。本发明提出了一种基于多源异构数据的创新思路，通过综合分析已知数据，能够更早地发现潜在的病虫害威胁，并迅速采取防控措施。
-
公开(公告)号：CN116524997B
公开(公告)日：2024-07-16
申请号：CN202310490049.9
申请日：2023-05-04
Applicant: 电子科技大学
Abstract: 本发明公开了基于经典‑量子混合神经网络实现药物相互作用结果的预测系统，包括量子预测子系统，所述量子预测子系统包括顺次连接的量子态编码模块和量子神经网络模块；所述量子态编码模块将接收到的经典投影系数编码为量子态数据，所述量子神经网络模块将量子态数据进行测量并输出药物‑药物对相互作用的概率；所述经典投影系数表示药物‑药物对相互作用时对应的频繁子结构所做出的贡献大小的经典表示。在本发明中，相较于利用全经典方式对经典投影系数进行处理，一旦数据集较大或者说对投影系数的描述向量纬度较高时，需要的比特数较多，对计算资源要求较高，量子方式只需要个量子比特，有效减少对计算资源的压力。
-
Patent Agency Ranking
公开(公告)号：CN116524997A
公开(公告)日：2023-08-01
申请号：CN202310490049.9
申请日：2023-05-04
Applicant: 电子科技大学
Abstract: 本发明公开了基于经典‑量子混合神经网络实现药物相互作用结果的预测系统，包括量子预测子系统，所述量子预测子系统包括顺次连接的量子态编码模块和量子神经网络模块；所述量子态编码模块将接收到的经典投影系数编码为量子态数据，所述量子神经网络模块将量子态数据进行测量并输出药物‑药物对相互作用的概率；所述经典投影系数表示药物‑药物对相互作用时对应的频繁子结构所做出的贡献大小的经典表示。在本发明中，相较于利用全经典方式对经典投影系数进行处理，一旦数据集较大或者说对投影系数的描述向量纬度较高时，需要的比特数较多，对计算资源要求较高，量子方式只需要个量子比特，有效减少对计算资源的压力。
-
公开(公告)号：CN119006819A
公开(公告)日：2024-11-22
申请号：CN202411114276.2
申请日：2024-08-14
Applicant: 电子科技大学
Abstract: 本发明公开了基于量子多视图模糊c均值聚类的脑图像分割方法、系统及设备，属于图像处理领域，主要包括：对图像进行多视图特征提取，得到不同视图特征数据，并对不同视图特征数据进行视图自适应特征修正和权重调整；对不同视图特征数据进行参数量子化，其中所述参数包括聚类模糊度和聚类中心；利用目标函数优化量子化后的参数，得到最优的聚类模糊度和聚类中心；基于最优的聚类模糊度和聚类中心，利用视图融合方法整合来自不同视图的特征信息，获取最终的分割效果。本发明通过将模糊C均值聚类算法中的参数量子化，并利用量子位的转换过程获得实数编码值，能够在多个子空间中搜索最优解，可以更有效地处理高维数据并避免局部最优的问题。
-
公开(公告)号：CN115497554B
公开(公告)日：2024-07-19
申请号：CN202211200935.5
申请日：2022-09-29
Applicant: 电子科技大学
Abstract: 本发明公开了预测药物化合物与作用靶点之间亲和力大小的量子系统，包括：数据预处理模块；药物化合物特征提取模块：将药物化合物矩阵输入到量子卷积神经网络QCNN中，对药物化合物实现特征提取；作用靶点蛋白特征提取模块：将所述氨基酸序列向量输入到量子时间卷积神经网络QTCN中，对作用靶点蛋白实现特征提取；亲和力预测模块：用于将所述药物化合物的序列表示和所述作用靶点蛋白的序列表示，输入至量子全连接层神经网络QFCN，得到药物化合物与作用靶点之间亲和力大小的预测。本发明可以同时提取出多个药物化合物的特征，得到准确结果的时间更短，效率更高；同时采用量子时间卷积神经网络QTCN，使得预测结果更加准确。
-
公开(公告)号：CN116665810A
公开(公告)日：2023-08-29
申请号：CN202310633807.8
申请日：2023-05-31
Applicant: 电子科技大学 , 喀什地区电子信息产业技术研究院
IPC: G16C20/70 , G16C20/10 , G06N3/0464
Abstract: 本发明公开了一种基于量子图卷积的分子逆向合成方法、系统、存储介质及终端，属于药物分析领域，将目标产物的结构信息和化学属性表示为分子无向图的形式；对每个图节点和连接边使用one‑hot编码的方式映射为唯一的向量；再对分子图节点及连接边信息数据进行量子编码；基于编码后的量子图构建量子图卷积神经网络，输出预测反应中心的位置，得到合成子图；采用图卷积策略网络遍历所述合成子图，识别需要替换或新增的原子并映射到一个动作向量中，解码该动作向量得到反应物的表示。本发明实现从产物图到反应物图的翻译过程，保证最终反应物的可用性，解决目前分子逆向合成任务中计算难度大以及合成路线预测结果不理想的问题，为未来药物研发提供技术参考。
-
公开(公告)号：CN115497554A
公开(公告)日：2022-12-20
申请号：CN202211200935.5
申请日：2022-09-29
Applicant: 电子科技大学
Abstract: 本发明公开了预测药物化合物与作用靶点之间亲和力大小的量子系统，包括：数据预处理模块；药物化合物特征提取模块：将药物化合物矩阵输入到量子卷积神经网络QCNN中，对药物化合物实现特征提取；作用靶点蛋白特征提取模块：将所述氨基酸序列向量输入到量子时间卷积神经网络QTCN中，对作用靶点蛋白实现特征提取；亲和力预测模块：用于将所述药物化合物的序列表示和所述作用靶点蛋白的序列表示，输入至量子全连接层神经网络QFCN，得到药物化合物与作用靶点之间亲和力大小的预测。本发明可以同时提取出多个药物化合物的特征，得到准确结果的时间更短，效率更高；同时采用量子时间卷积神经网络QTCN，使得预测结果更加准确。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
