一种miRNA-疾病关联预测方法
    1.
    发明公开

    公开(公告)号:CN117423390A

    公开(公告)日:2024-01-19

    申请号:CN202311537131.9

    申请日:2023-11-17

    Applicant: 西京学院

    Abstract: 本发明提出一种miRNA‑疾病关联预测方法,包括训练数据集的构建、关联预测模型的构建和训练及模型验证及使用三个步骤,本发明基于自动编码器神经网络,构建堆叠自动编码器预测模型,利用现有的与miRNA相关的疾病数据库获取miRNA表达数据和疾病数据,构建数据集,基于该数据集进行模型训练和测试,同时在对堆叠自动编码器预测模型训练中,加入Dropout和BN正则化技术,增加模型的泛化能力和准确率,再对堆叠自动编码器预测模型进行性能评估,性能评估通过后,再利用验证集进行二次验证,确保堆叠自动编码器预测模型的准确性,本发明可以在不需要先验知识的情况下,对其关联进行预测,从而为后续疾病的诊治提供基础支持。

    基于超声波形与超声图像特征融合的焊缝缺陷检测方法

    公开(公告)号:CN115294376A

    公开(公告)日:2022-11-04

    申请号:CN202210433330.4

    申请日:2022-04-24

    Applicant: 西京学院

    Abstract: 本发明为一种基于超声波形与超声图像特征融合的焊缝缺陷检测方法,其克服了现有技术中存在的采用手动超声检测方法检测时间长、效率比较低的问题。本发明能够快速精确地进行焊缝缺陷检测,提高复杂背景下钢管焊缝缺陷超声检测的准确率。本发明包括以下步骤:步骤1.提取超声波形的3层小波包特征,计算每个节点特征信号的样本熵,得到能量特征向量;步骤2.利用改进的InceptionV2网络提取超声图像的多尺度卷积特征,再进行全局平均池化和全连接,得到多尺度卷积特征向量;步骤3.构建特征自适应融合方法,融合小波包特征向量与多尺度卷积特征向量,得到融合特征向量;步骤4.将融合特征向量输入SoftMax分类器,进行焊缝缺陷类型识别。

    一种基于水下先验信息感知的声呐目标检测方法

    公开(公告)号:CN117274787A

    公开(公告)日:2023-12-22

    申请号:CN202311280796.6

    申请日:2023-09-28

    Applicant: 西京学院

    Abstract: 本发明公开了一种基于水下先验信息感知的声呐目标检测方法,包括步骤1、搭建基于水下先验信息感知的声呐目标检测网络;步骤2、使用成像声呐采集声呐图像并进行人工标注;步骤3、将获取的声呐图像划分为训练集、验证集和测试集;步骤4、构建级联损失函数用于优化水下先验信息感知目标检测网络;步骤5、将步骤3得到的训练集和验证集输入到步骤1构建的水下先验信息目标检测网络进行模型训练,并利用步骤4构建的级联损失函数进行模型参数优化;步骤6、将步骤3得到的测试集输入到步骤5得到的优化后水下先验信息目标检测网络,完成检测;本发明能够有效的检测出声呐图像中的关键目标区域,显著提升目标检测的准确性和泛化性。

    基于多尺度U-Net的直缝埋弧焊管焊缝缺陷超声检测方法

    公开(公告)号:CN114693670A

    公开(公告)日:2022-07-01

    申请号:CN202210433159.7

    申请日:2022-04-24

    Applicant: 西京学院

    Abstract: 本发明为一种基于多尺度U‑Net的直缝埋弧焊管焊缝缺陷超声检测方法,其克服了现有技术中存在的复杂背景下直缝埋弧焊管焊缝管缺陷检测的准确率低的问题。本发明能有效提高复杂背景下直缝埋弧焊管焊缝管缺陷检测的准确率。本发明包括以下步骤:步骤1.采用谱聚类算法将直缝埋弧焊管焊缝超声图像网格化并分配标签,得到超像素图像;步骤2.计算每个超像素内所有像素点的灰度平均值,再将灰度平均值重新赋值给超像素中每个像素点,得到视觉概要图;步骤3.构建改进的多尺度U‑Net模型;步骤4.将得到的视觉概要图作为训练集训练改进的多尺度U‑Net模型,利用训练好的多尺度U‑Net模型对直缝埋弧焊管焊缝缺陷进行检测。

    反拦截器导弹的机动控制方法、装置、设备及存储介质

    公开(公告)号:CN111142382A

    公开(公告)日:2020-05-12

    申请号:CN201911345629.9

    申请日:2019-12-24

    Applicant: 西京学院

    Abstract: 本发明适用于计算机技术领域,提供了一种反拦截器导弹的机动控制方法、装置、设备及存储介质,该反拦截器导弹的机动控制方法包括以下步骤:获取拦截器的机动控制参数以及获取反拦截器导弹与拦截器之间实时的视线角参数;根据拦截器的机动控制参数以及反拦截器导弹与拦截器之间实时的视线角参数,生成反拦截器导弹的突防效果预测模型;基于预设的Bang-bang控制方法,根据反拦截器导弹的突防效果预测模型对的反拦截器导弹进行机动控制。本发明实施例通过预测突防效能来优化导弹Bang-bang机动策略的决策优化方法,使导弹在突破拦截器的拦截时,能以相同的机动能量,获得比现有突防方法更大的脱靶量,从而可以提高反拦截器导弹的突防效能。

    一种基于图像处理的农业智能平台

    公开(公告)号:CN115424151A

    公开(公告)日:2022-12-02

    申请号:CN202211126275.0

    申请日:2022-09-16

    Applicant: 西京学院

    Abstract: 本发明涉及智能农业领域,具体涉及一种基于图像处理的农业智能平台,包括:图像采集模块,用于基于模板引导的模式完成作物图像的采集;图像预处理模块,用于实现作物图像的去噪和/分割和/增强和/复原和/深度提取和/三维重构和/拼接;图像分析模块,用于实现完成预处理后的作物图像的分析,得到目标数据;种植管理模块,用于根据当前种植地情况及可调用物资情况生成对应的种植区管理措施。本发明基于图像的采集即可实现种植区作物品种、作物生长状态、种植环境参数以及病虫害情况、养分和水分缺失情况的监测分析,为后期种植方案的修改和调整提供了参考性的意见,一定程度上提高了作物的产量和品质。

    基于门控循环网络的miRNA-疾病关联关系预测方法

    公开(公告)号:CN117238521A

    公开(公告)日:2023-12-15

    申请号:CN202311400137.1

    申请日:2023-10-26

    Applicant: 西京学院

    Abstract: 本发明公开基于门控循环网络的miRNA‑疾病关联关系预测方法,其方法包括:构建miRNA‑疾病异构网络、构建两个相似度矩阵、搭建门控循环网络模型并优化,运用优化后的门控循环网络模型提取miRNA节点特征和疾病节点特征以及根据miRNA节点特征和疾病节点特征获取miRNA‑疾病关联分数;本发明通过引入门控机制能够更好地处理长期依赖,避免传统循环神经网络在处理长序列数据时容易出现梯度消失或梯度爆炸的问题,且门控循环神经网络通过选择性地记忆、遗忘和更新信息,可以更好地捕捉序列数据中的重要特征,从而提高模型的性能,从而提高预测效率和精准度,且整个预测过程工艺简单,时间周期较短,成本不高。

    一种新型半导体降温服
    8.
    发明公开

    公开(公告)号:CN116158578A

    公开(公告)日:2023-05-26

    申请号:CN202310399563.1

    申请日:2023-04-14

    Applicant: 西京学院

    Abstract: 本发明公开了一种新型半导体降温服,包括降温服本体,降温服本体上连接有制冷系统;降温服本体包括两降温服外衣,两降温服外衣通过连接组件进行穿戴,降温服外衣内壁固定连接有降温服本体,两降温服本体上均设置有降温组件,两降温组件顶端通过管道连通;制冷系统包括壳体,壳体内设置有制冷组件、控制组件和液体存储组件,制冷组件与液体存储组件固定连通,两降温组件分别与液体存储组件和制冷组件固定连通,制冷组件和液体存储组件分别与控制组件对应设置。本发明利用液体循环装置促进液体循环,能够在有限的功率下,使降温服的降温效果大大提升,从而满足使用者在各种炎热条件下的降温需求。

    基于多尺度U-Net的直缝埋弧焊管焊缝缺陷超声检测方法

    公开(公告)号:CN114693670B

    公开(公告)日:2023-05-23

    申请号:CN202210433159.7

    申请日:2022-04-24

    Applicant: 西京学院

    Abstract: 本发明为一种基于多尺度U‑Net的直缝埋弧焊管焊缝缺陷超声检测方法,其克服了现有技术中存在的复杂背景下直缝埋弧焊管焊缝管缺陷检测的准确率低的问题。本发明能有效提高复杂背景下直缝埋弧焊管焊缝管缺陷检测的准确率。本发明包括以下步骤:步骤1.采用谱聚类算法将直缝埋弧焊管焊缝超声图像网格化并分配标签,得到超像素图像;步骤2.计算每个超像素内所有像素点的灰度平均值,再将灰度平均值重新赋值给超像素中每个像素点,得到视觉概要图;步骤3.构建改进的多尺度U‑Net模型;步骤4.将得到的视觉概要图作为训练集训练改进的多尺度U‑Net模型,利用训练好的多尺度U‑Net模型对直缝埋弧焊管焊缝缺陷进行检测。

    一种基于物联网技术和深度学习方法的家用智能分类垃圾桶的垃圾分类方法

    公开(公告)号:CN118373093A

    公开(公告)日:2024-07-23

    申请号:CN202410616396.6

    申请日:2024-05-17

    Applicant: 西京学院

    Abstract: 本发明公开了一种基于物联网技术和深度学习方法的家用智能分类垃圾桶的垃圾分类方法,包括垃圾桶、硬件模块和软件系统;垃圾桶设置有四个独立分区的垃圾桶身,垃圾桶身上扣接有分类装置,分类装置包含四个盖合对应分区的桶盖,分类装置上方安装有环状控制装置;环状控制装置包括控制板,控制板连接有摄像头和电机驱动模块,电机驱动模块连接有四个控制桶盖开合的电动机;控制板上设置有GPIO模块、视频接口、处理器和通讯模块;软件系统为部署有垃圾分类模型的云端服务器。通过摄像头采集要投放垃圾图像,再将图像信息传输到垃圾分类模型分析处理后驱动相应的桶盖打开,实现自动分类,该分类方法准确性和效率高,适于家用体积小的垃圾桶。

Patent Agency Ranking