“G16C20/70”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果471个，建议您升级VIP下载更多相关专利

[发明专利]一种药物新用途预测方法及装置-CN202010534120.5有效
发明人：郑思;李姣 -专利权人：中国医学科学院医学信息研究所
申请日： 2020-06-12 - 公布日： 2023-08-01 - 主分类号： G16C20/70 文献下载
摘要：本发明提供一种药物新用途预测方法及装置，获取药物集合中药物之间的相似度、因素集合中各层级的因素之间的相似度以及疾病集合中疾病之间的相似度；药物至因素集合中位于第一层级的因素、因素集合中相邻两层级中上一层级因素至下一层级因素、因素集合中最后一层级的因素至疾病之间的转移概率来度量对象间的距离，通过这些距离确定药物集合中的药物经过各因素到达疾病的各条可能链路，从各条可能链路中确定出目标链路，目标链路用于指示某种药物可用于治疗某种疾病(即某种药物的新用途)，并通过位于目标链路中的各因素示出药物在人体内的作用机制，提高药物新用途预测的准确度。
一种药物用途预测方法装置

[发明专利]计算机可读记录介质、特征量计算方法和特征量计算装置-CN202211260719.X在审
发明人：寺岛千绘子 -专利权人：富士通株式会社
申请日： 2022-10-14 - 公布日： 2023-07-28 - 主分类号： G16C20/70 文献下载
摘要：涉及计算机可读记录介质、特征量计算方法和特征量计算装置。一种存储特征量计算程序的计算机可读记录介质，特征量计算程序使计算机执行处理，包括：接收结构指定信息，结构指定信息指示关于环状分子的原子团中的每个原子团的类型和原子团的序列，在环状分子中被分类成多个类型的原子团被循环按序排列；在多个类型中指定可选的第一类型和可选的第二类型；基于结构指定信息，从原子团中指定被分类为第一类型的第一原子团中的一个或更多个第一原子团和被分类为第二类型的第二原子团中的一个或更多个第二原子团；以及基于结构指定信息，计算第一原子团和第二原子团的对的数目，在所述对中第一原子团与第二原子团之间在序列中的相互距离是某距离。
计算机可读记录介质特征计算方法计算装置

[发明专利]用于实现跨多个不同数据库的数据分析协作的协作平台-CN202180073575.4在审
发明人： S·萨克塞纳;A·普吕克鲍姆;B·斯里尼瓦桑;C·迪尔 -专利权人：诺华股份有限公司
申请日： 2021-12-03 - 公布日： 2023-07-28 - 主分类号： G16C20/70 文献下载
摘要：公开了一种用于实现跨不同数据库的生命科学数据的数据分析协作的平台和方法。协作平台可以允许对药物发现和开发执行探索性分析。协作平台可以包括：搜索和图形模块，用于生成用户项目并确定和显示一个或更多个匹配数据资产和一个或更多个潜在协作者；协作模块，用于协调用户与一个或更多个所选择的协作者之间的协作；数据管理模块，用于接收一个或更多个生产者项目的模式，从一个或更多个所选择的数据资产接收数据，并使用通用标准和本体摄取接收的数据；以及见解应用程序，用于使用所摄取的接收的数据生成与科学问题相关的疾病特定推论，并从用户和/或所选择的协作者接收反馈以改进搜索和图形模块。
用于实现跨多个不同数据库数据分析协作平台

[发明专利]一种基于深层图神经网络的分子表示方法及系统-CN202211560221.5在审
发明人：魏骁勇;田奇;杨震群;曹溢;黄文禹;严丽巧 -专利权人：四川大学
申请日： 2022-12-06 - 公布日： 2023-07-28 - 主分类号： G16C20/70 文献下载
摘要：本发明公开了一种基于深层图神经网络的分子表示方法及系统，涉及人工智能技术领域，尤其涉及生物计算、深度学习技术领域，解决现有技术过平滑导致图神经网络无法增加图卷积次数以增加结点感受野的问题。本发明调用第三方库将分子的计算机存储数据转化为分子图，分子图包括邻接矩阵、结点和边；分析分子图得到分子图的结点和边的初始特征向量；基于图神经网络和邻接矩阵对结点和边的初始特征向量进行密集残差图卷积运算，得到新的结点和边的特征向量；对新的结点和边的特征向量进行池化操作，得到分子表示。本发明用于分子表示。
一种基于深层神经网络分子表示方法系统

[发明专利]含能物质感度和力学性能及其关系的机器学习估算方法-CN202011311694.2有效
发明人：蒲雪梅;邓倩倩;郭延芝;徐涛;刘建 -专利权人：四川大学
申请日： 2020-11-20 - 公布日： 2023-07-28 - 主分类号： G16C20/70 文献下载
摘要：本发明属于化合物性能评估技术领域，公开了一种含能物质感度和力学性能及其关系的机器学习估算方法，包括以E‑Dragon计算的分子描述符和分子结构信息作为特征，基于人工神经网络和确定独立筛选和稀疏运算符方法构建7个硝基含能物质的撞击感度和体积模量的定量构效关系模型，利用构建的硝基含能物质的撞击感度和体积模量的定量构效关系模型确定硝基含能物质撞击感度与力学性能间的关系，以及两者分别与分子结构间的定量关系。本发明基于E‑Dragon计算的分子描述符和几种常见的分子结构信息，共建立了硝基含能化合物撞击感度和体积模量的7个QSPR模型，有助于缩短含能材料实验研究的进程，利于新型含能化合物的设计及综合评估。
物质力学性能及其关系机器学习估算方法

[发明专利]一种药物知识图谱的数据挖掘方法、系统及电子设备-CN202211670808.1在审
发明人：刘大海;班浩;樊颖颖;霍华荣 -专利权人：北京左医健康技术有限公司
申请日： 2022-12-26 - 公布日： 2023-07-25 - 主分类号： G16C20/70 文献下载
摘要：本发明涉及医疗健康信息数据的处理，其公开了一种药物知识图谱的数据挖掘方法、系统及电子设备，包括：数据获取步骤、特征提取步骤、规则判断步骤、模型训练步骤、数据融合步骤、迭代步骤和模型识别步骤。本发明通过从处方大数据中挖掘出与药品相关的特征，并根据该特征设计出准确的判断逻辑和判断条件，并将判断逻辑和判断条件获得的正确药品关系数据作为算法模型的验证样本和训练补充样本，并将验证为错误的结果重新标注后补充至训练集中，从而确保算法模型学习到的训练样本足够的准确和全面，最终得到的算法模型可以获得满足要求的识别准确率。
一种药物知识图谱数据挖掘方法系统电子设备

[发明专利]一种基于机器学习的Ti-6Al-4V合金表面粗糙度的预测方法-CN202310371033.6在审
发明人：刘洪喜;陶建涛;张晓伟;李为尚;齐惠清;刘亮 -专利权人：昆明理工大学
申请日： 2023-04-10 - 公布日： 2023-07-25 - 主分类号： G16C20/70 文献下载
摘要：本发明提供一种基于机器学习的Ti‑6Al‑4V合金表面粗糙度的预测方法，属于金属材料粗糙度预测技术领域，该方法包括，获取用来预测Ti‑6Al‑4V合金表面粗糙度的特征数据训练集，并对特征数据集进行筛选，选取最优的特征组合，其中训练数据包括输入数据和输出数据，输入数据为进给率、切削速度、切削深度；输出数据为Ti‑6Al‑4V合金表面粗糙度；通过深度强化学习对特征数据集应用于机器学习模型进行多轮训练，根据训练结果确定于机器学习模型匹配的数据选择算法进行预测，得到对应的Ti‑6Al‑4V合金表面粗糙度。本发明通过训练模型将提取的样本传递给机器学习算法进行训练，得到最优数据，不仅对Ti‑6Al‑4V合金表面粗糙度预测较为准确，且节省计算成本和时间。
一种基于机器学习 ti al 合金表面粗糙预测方法

[发明专利]蛋白抑制剂的筛选方法、装置、电子设备及介质-CN202310466662.7在审
发明人：王俊;谈硕彦;卢瑞强 -专利权人：平安科技（深圳）有限公司
申请日： 2023-04-23 - 公布日： 2023-07-25 - 主分类号： G16C20/70 文献下载
摘要：本申请计算机技术以及数字医疗技术领域，具体公开了一种蛋白抑制剂的筛选方法、装置、电子设备及介质；其方法包括：获取目标蛋白的蛋白质序列以及多个候选小分子；基于亲和力预测模型，确定蛋白质序列与各候选小分子的相互作用概率，并根据相互作用概率，从多个候选小分子筛选多个初筛小分子；获取目标蛋白与各初筛小分子进行分子对接模拟的模拟结果，根据模拟结果从多个初筛小分子筛选多个目标小分子；获取各目标小分子对目标蛋白进行活性抑制实验的实验结果，并根据实验结果从多个目标小分子中筛选蛋白抑制剂。本申请极大地降低了药物研发的时间、人力和经济成本，同时提高研发的速度，缩短了药物的研发周期。
蛋白抑制剂筛选方法装置电子设备介质

[发明专利]基于注意力机制和图卷积神经网络的晶体性质预测方法-CN202110509660.2有效
发明人：王步维;范谦;邵宇;乐云亮 -专利权人：扬州大学
申请日： 2021-05-11 - 公布日： 2023-07-25 - 主分类号： G16C20/70 文献下载
摘要：本发明公开了一种基于注意力机制和晶体图卷神经网络的晶体性质预测和分类方法，包括：获取晶体的晶体学信息文件和DFT计算数据，并将其分为训练集、验证集和测试集；从晶体学信息文件中，提取晶体特征，将晶体特征输入神经网络，获取到神经网络输出；采用训练集和验证集分别对构建好的神经网络模型进行训练和验证，获取到预测模型和分类模型；通过预测模型完成对于晶体性质的预测，通过分类模型完成对于晶体性质的分类。本发明能够有效提高对于晶体性质的预测和分类精度，并且耗时少，具有工程实用价值，有助于实现精确的大规模晶体研究模拟，为新晶体材料的开发和研究提供了方法保障。
基于注意力机制图卷神经网络晶体性质预测方法

[发明专利]一种基于色泽、香气、非挥发性有机物建立综合评价化橘红质量及贮存年限的模式识别方法-CN202310513821.4在审
发明人：陈杵生;曹庸;阚启鑫 -专利权人：华南农业大学
申请日： 2023-05-09 - 公布日： 2023-07-21 - 主分类号： G16C20/70 文献下载
摘要：本发明提供一种基于色泽、香气、非挥发性有机物建立综合评价中药化橘红质量的模式识别方法，属于药品质量控制技术领域。所述方法包括以下步骤：收集基源信息准确的中药化橘红样品，经过粉碎、冲泡进行色泽、香气评估以及非挥发性有机物数据采集，建立化橘红样品的色泽、香气和非挥发性成分指纹图谱，获取样品的整体化学信息；然后对化橘红样品的整体化学信息进行归一化数据处理，结合化学计量学、多元聚类分析和因子分析，筛选出用于建立判别函数的特征样品数据；采用逐步判别分析方法，对筛选出的样品数据提取出特征变量，建立判别函数，同时结合机器学习手段利用特征变量对未知化橘红样品进行预测分析，完成对化橘红样品质量的模式识别。
一种基于色泽香气挥发性有机物建立综合评价橘红质量贮存年限模式识别方法

[发明专利]基于数字孪生的变压器故障预测方法、装置、设备及介质-CN202210861469.9有效
发明人：龙玉江;陈卿;舒彧;葛松;李巍;方曦;郝越峰;田月炜 -专利权人：贵州电网有限责任公司
申请日： 2022-07-22 - 公布日： 2023-07-21 - 主分类号： G16C20/70 文献下载
摘要：本发明公开了一种基于数字孪生的变压器故障预测方法、装置、设备及介质，其中，所述基于数字孪生的变压器故障预测方法包括：基于变压器的数字孪生模型的模拟数据提取所述变压器的模拟运行特征；根据所述模拟运行特征以及预设变压器故障预测模型对所述变压器进行故障预测生成故障预测结果；将所述故障预测结果通过所述数字孪生模型输出。本发明基于模拟的数据对变压器的故障进行预测时效性更强，同时，通过变压器故障预测模型、预测数据以及历史数据全方位对变压器可能发生的故障进行判断，判断的标准更加灵活，且历史数据中样本数量越多，预测的结果更加准确，从而增强对变压器的运维监测能力，提高了电力系统的稳定性。
基于数字孪生变压器故障预测方法装置设备介质

[发明专利]一种污水处理过程异常工况识别方法和装置-CN202310399404.1有效
发明人：栾好峰;刘娟娟;杜建猛 -专利权人：青岛山青华通环境科技有限公司
申请日： 2023-04-14 - 公布日： 2023-07-21 - 主分类号： G16C20/70 文献下载
摘要：本发明提供一种污水处理过程异常工况识别方法和装置，其中方法包括：S1、获取污水处理工况中预设周期内的在线数据；S2、采用线性转换函数对在线数据进行归一化处理；S3、根据关联规则，对每两个相关联的数据类型的时间序列做差，获得差值序列；S4、从差值序列的起始时刻开始，时间尺按照设定时间间隔遍历，获得多个与时间尺长度相同的待分类序列；S5、将待分类序列与其对应的异常工况属性模板进行相似度聚类，获得与异常工况属性模板匹配的目标序列；S6、根据目标序列的工况属性和所有目标序列在时间上的排列，与异常工况决策模板进行匹配，确定污水处理过程的异常工况类型。能够提高污水处理异常工况识别的及时性和准确性。
一种污水处理过程异常工况识别方法装置

[发明专利]全阶段航空氮氧化物排放指数预测模型的计算方法及装置-CN202310401233.1在审
发明人：朱美印;陈龙飞;张芊;于振鸿;钟生辉;徐征;赵一蔚;高梦云;潘康;常刘勇 -专利权人：北京航空航天大学杭州创新研究院
申请日： 2023-04-13 - 公布日： 2023-07-18 - 主分类号： G16C20/70 文献下载
摘要：本申请涉及一种全阶段航空氮氧化物排放指数预测模型的计算方法及装置，其中，方法包括：建立航空氮氧化物排放数据库；从航空氮氧化物排放数据库中，选择满足预设高相关性特征条件的排放数据，以生成模型的原始输入数据；对原始输入数据进行数据预处理，得到处理后的输入数据；利用卷积神经网络搭建模型，建立超参数数据集；利用处理后的输入数据和超参数数据集训练模型，找到最佳超参数组合，以构建航空氮氧化物排放指数预测模型。由此，解决了相关技术中无法预测飞行包线全阶段的排放，地面排放和巡航排放的预测模型均高度依赖于发动机排放数据库，且现有航空氮氧化物预测模型均基于传统航空燃料，不支持SAF等问题。
阶段航空氧化物排放指数预测模型计算方法装置

[发明专利]一种基于图池化数据增强的分子图对比学习预训练方法-CN202310227611.9在审
发明人：张寅;滑紫旭 -专利权人：浙江大学
申请日： 2023-03-10 - 公布日： 2023-07-14 - 主分类号： G16C20/70 文献下载
摘要：本发明公开了一种基于图池化数据增强的分子图对比学习预训练方法。本发明包括以下步骤：1)预训练模型准备：设计双塔预训练模型，为对比学习选取两种不同的图池化方式作为数据增强手段。2)执行对比学习预训练：采用对比学习的方式进行分子图预训练。3)执行分子图下游任务：使用预训练好的模型参数初始化图分类任务模型用于下游任务。和现有技术相比，本发明针对图神经网络预训练，首次提出了一种简单便捷的数据增强方式，无需设计复杂的数据增强预处理，只需要使用两种不同的图池化方式就可以实现图神经网络对比学习预训练，能够更便捷地应用于图的下游任务场景。
一种基于图池化数据增强分子对比学习训练方法

[发明专利]一种基于图神经网络的化学分子图分类方法及系统-CN202310390580.9在审
发明人：陈爽;张长伦 -专利权人：北京建筑大学
申请日： 2023-04-12 - 公布日： 2023-07-14 - 主分类号： G16C20/70 文献下载
摘要：本发明提供了一种基于图神经网络的化学分子分类方法及系统，该方法包括将化学分子图表示成拓扑图；生成所有节点的特征向量并构成特征矩阵；构建拓扑图的度矩阵；生成每个节点的第一邻居子图；计算各节点对称归一化后的残差子图拉普拉斯矩阵并生成残差整图拉普拉斯矩阵，计算各个节点及其邻居节点的结构系数，构建成结构系数矩阵；计算加权邻接矩阵；构建基于图神经网络的初始化学分子分类模型；获取样本图训练初始化学分子分类模型。本发明在局部的邻居子图上构建残差结构，通过度量所有节点间的距离表达原子之间关系，丰富真实化学键的连接信息，同时将图的拓扑结构信息注入到图神经网络的消息传递中，从而提高化学分子分类的精度。
一种基于神经网络化学分子分类方法系统