“樊学强”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果16个，建议您升级VIP下载更多相关专利

[发明专利]一种集客专线项目实际进度评估计算方法-CN201911231830.4有效
发明人： 樊学强;黄志涛 -专利权人：北京直真科技股份有限公司
申请日： 2019-12-05 - 公布日： 2023-07-18 - 主分类号： G06Q10/10 文献下载
摘要：一种集客专线项目实际进度评估计算方法，通过分层拆解计算模型将项目进度分为三层线性结构进行计算，第一层为项目里程碑层计算模型，第二层为专线层计算模型，第三层为专线开通环节层计算模型，将所述项目里程碑层计算模型、专线层计算模型和专线开通环节层计算模型汇聚整合为集客专线项目实际进度评估计算公式，以相同的准则比较出当前项目的进度，解决人工梳理项目进度的效率低、工作量大，数据不准确从而对整体项目无法进行精准把控的问题。
一种专线项目实际进度评估计算方法

[发明专利]一种基于多视角学习的蛋白质溶剂可及性预测方法-CN202110558859.4有效
发明人：胡俊;樊学强;白岩松;郑琳琳;张贵军 -专利权人：浙江工业大学
申请日： 2021-05-21 - 公布日： 2022-07-26 - 主分类号： G06Q10/04 文献下载
摘要：一种基于多视角学习的蛋白质溶剂可及性预测方法，根据输入的待测定蛋白质溶剂可及性的蛋白质序列信息，使用HHblits工具生成对应的多序列联配信息，基于多序列联配信息，生成对应的位置特异性频率矩阵；使用PSI‑BLAST工具生成对应的位置特异性得分矩阵，使用PSIPRED工具生成对应的二级结构信息；搭建多视角学习神经网络框架，并从PDB库中收集已注释三级结构信息的所有蛋白质，生成蛋白质的特征信息，与对应的标签组成数据集，使用多视角学习神经网络框架在数据集上学习预测模型；将待进行蛋白质溶剂可及性预测的特征信息输入模型中，得到蛋白质溶剂可及性的预测结果。本发明计算代价低、预测精度高。
一种基于视角学习蛋白质溶剂预测方法

[发明专利]一种基于深度卷积神经网络的DNA绑定残基预测方法-CN202010533489.4有效
发明人：胡俊;白岩松;樊学强;郑琳琳;张贵军 -专利权人：浙江工业大学
申请日： 2020-06-12 - 公布日： 2022-04-05 - 主分类号： G16B20/00 文献下载
摘要：一种基于深度卷积神经网络的DNA绑定残基预测方法，首先，根据输入的残基数为L待进行配体绑定残基预测的蛋白质序列信息，使用psi‑blast程序和PSSpred程序获取矩阵PSSM和PSS；然后，将两个矩阵组合为一个特征矩阵F；其次，我们将蛋白质序列处理成残基样本；再次，搭建深度卷积神经网络，利用已知绑定残基的蛋白质序列构建数据集，并将数据集划分为M组数据子集，利用这十组数据子集训练出M个网络模型；最后，将待进行预测的蛋白质序列处理成残基样本，并输入到被训练过的M个网络模型中，综合这M个模型的预测结果，预测蛋白质序列中的残基是否为绑定残基。本发明计算代价小、预测精度高。
一种基于深度卷积神经网络 dna 绑定残基预测方法

[发明专利]一种基于上下文感知计算的RNA溶剂可及性预测方法-CN202111148787.2在审
发明人：胡俊;樊学强;唐玉璇;贾宁欣;张贵军 -专利权人：浙江工业大学
申请日： 2021-09-29 - 公布日： 2022-01-14 - 主分类号： G16B40/00 文献下载
摘要：本发明公开了一种基于上下文感知计算的RNA溶剂可及性预测方法，包括：S1.收集PDB数据库中所有已注释三级结构信息的RNA序列组成训练集合S；S2.获取训练集合S中碱基个数为LX的RNA序列信息，并将获取的RNA序列信息记作SX；S3.搜索SX的核苷酸数据库并生成对应的MSA；S4.对MSA进行处理，生成MSA对应的FMSA；S5.根据独热编码原理将碱基编码生成SX对应的OHE；S6.生成SX对应的RSS；S7.构建上下文感知计算神经网络框架MVCADNN，并使用MVCADNN训练RNA溶剂可及性预测模型，得到训练后的RNA溶剂可及性预测模型；S8.将待预测RNA序列通过步骤S3‑步骤S6处理后，生成RNA序列对应的特征信息，并生成的特征信息输入到训练后的RNA溶剂可及性预测模型中，得到RNA溶剂可及性的预测信息。
一种基于上下文感知计算 rna 溶剂预测方法

[发明专利]一种基于迭代搜索策略的蛋白质溶剂可及性预测方法-CN202011030157.0有效
发明人：胡俊;樊学强;董世建;白岩松;张贵军 -专利权人：浙江工业大学
申请日： 2020-09-27 - 公布日： 2021-12-17 - 主分类号： G16B30/00 文献下载
摘要：一种基于迭代搜索策略的蛋白质溶剂可及性预测方法，首先，根据输入的待测定溶剂可及性的蛋白质序列信息，使用HHBlits工具生成对应的多序列联配信息，进而生成对应的位置特异性频率矩阵，同时，对PDB数据库中每条蛋白质序列也进行上述操作；其次，计算输入的蛋白质序列的位置特异性频率矩阵和PDB数据库中每条蛋白质的位置特异性频率矩阵的相似度；然后，从PDB数据库中获取与输入蛋白质相似度最高的多条蛋白质序列及结构信息，并将其作为模板蛋白质；再次，使用DSSP工具计算每条模板蛋白质的溶剂可及性信息；最后，根据模板蛋白质的溶剂可及性信息，预测输入蛋白质序列的溶剂可及性。本发明计算代价低、预测精度高。
一种基于搜索策略蛋白质溶剂预测方法

[发明专利]一种基于深度卷积神经网络的配体绑定残基预测方法-CN201911225424.7有效
发明人：胡俊;白岩松;樊学强;郑琳琳;张贵军 -专利权人：浙江工业大学
申请日： 2019-12-04 - 公布日： 2021-10-29 - 主分类号： G16B15/30 文献下载
摘要：一种基于深度卷积神经网络的配体绑定残基预测方法，首先，根据输入的残基数为L待进行配体绑定残基预测的蛋白质序列信息，使用HHblits程序获取包含M条序列的多序列联配信息；然后，统计这M条序列中某个位置残基类型在该行该列中出现的频率，并将这M条残基序列扩展为三维残基立方体；其次，统计三维残基立方体中某个位置残基类型在其所在的平面中出现的频率，根据频率数据将三维残基立方体扩展为三维特征立方体；再次，搭建深度卷积神经网络，利用已知绑定残基的蛋白质序列训练该网络；最后，将待预测的蛋白质序列转化为三维特征立方体输入到被训练过的深度卷积神经网络模型中，预测残基是否为绑定残基。本发明计算代价低、预测精度高。
一种基于深度卷积神经网络绑定残基预测方法

[发明专利]一种基于多序列联配信息的配体绑定残基预测方法-CN201911225431.7有效
发明人：胡俊;郑琳琳;樊学强;白岩松;张贵军 -专利权人：浙江工业大学
申请日： 2019-12-04 - 公布日： 2021-10-29 - 主分类号： G16B15/30 文献下载
摘要：一种基于多序列联配信息的配体绑定残基预测方法，首先，根据输入的待进行配体绑定残基预测的蛋白质序列和绑定残基的个数，使用HHblits程序获取蛋白质的多序列联配信息；然后，计算待预测的蛋白质序列和多序列联配信息对应位置出现相同残基的频率；再次，根据计算得到的频率以及输入的绑定残基个数，计算得到伪协相关性系数矩阵；最后，取得伪协相关性系数矩阵中的最大值，根据最大值对应位置输出待预测蛋白质序列中绑定同一配体的残基信息。本发明提出一种计算代价小、预测精度高的基于多序列联配信息的配体绑定残基预测方法。
一种基于序列信息绑定残基预测方法

[发明专利]一种基于结构特征的DNA绑定残基预测方法-CN202110081107.3在审
发明人：胡俊;白岩松;董世建;郑琳琳;樊学强;张贵军 -专利权人：浙江工业大学
申请日： 2021-01-21 - 公布日： 2021-05-25 - 主分类号： G16B15/20 文献下载
摘要：一种基于结构特征的DNA绑定残基预测方法，首先，根据输入的待进行DNA绑定残基预测的蛋白质结构信息，以任一残基为球心，R为半径，通过以下四步获取该残基的特征向量：1)统计该球内20种常见类型残基出现的频率，记作2)统计该球内三类二级结构类别的残基出现的频率，记作3)统计该球内三类溶剂可及性类别的残基出现的频率，记作4)将步骤1)至3)中的串联成一个特征向量；然后，构建样本集并训练所搭建的一维卷积神经网络；最后，将蛋白质结构中残基的特征向量输入训练的模型中，根据模型输出概率是否大于阈值threshold，进而判断对应残基是否为DNA绑定残基。本发明计算代价小、预测精度高。
一种基于结构特征 dna 绑定残基预测方法

[发明专利]一种基于循环网络的蛋白质与蛋白质相互作用预测方法-CN202110086831.5在审
发明人：胡俊;樊学强;郑琳琳;董世建;白岩松;张贵军 -专利权人：浙江工业大学
申请日： 2021-01-22 - 公布日： 2021-05-25 - 主分类号： G16B15/30 文献下载
摘要：一种基于循环网络的蛋白质与蛋白质相互作用预测方法，首先，根据输入的待测定蛋白质‑蛋白质作用的蛋白质序列信息，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；其次，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；然后，生成蛋白质序列的残基组成特征、残基过渡特征、残基分布特征；再次，搭建循环神经网络框架，从PDB库中收集已有蛋白质‑蛋白质界面相互作用的蛋白质序列和标签，计算蛋白质序列的特征张量，与对应的标签组成数据集，使用循环神经网络框架在数据集上学习预测模型；最后，将待进行蛋白质‑蛋白质界面相互作用预测的特征向量输入模型中，得到界面作用预测结果。本发明计算代价低、预测精度高。
一种基于循环网络蛋白质相互作用预测方法

[发明专利]一种基于蛋白质序列比对的分子虚拟筛选方法-CN202011483191.3在审
发明人：胡俊;郑琳琳;董世建;白岩松;樊学强;张贵军 -专利权人：浙江工业大学
申请日： 2020-12-16 - 公布日： 2021-05-18 - 主分类号： G16B35/20 文献下载
摘要：一种基于蛋白质序列比对的分子虚拟筛选方法，根据输入的待进行分子筛选的蛋白质序列，使用HHblits程序获取蛋白质的多序列联配信息；计算待预测的蛋白质序列和多序列联配信息对应位置出现相同残基的频率PSFM；使用同样的方法，生成蛋白质‑配体相互作用数据库BioLiP中每条蛋白质序列的PSFM；计算待预测蛋白质与BioLiP中每条蛋白质的残基对齐得分与相似度匹配质量，根据匹配质量得分取得潜在种子分子集；计算分子数据库中每个分子与种子分子集中的所有分子的二维指纹图谱值之和，根据得分对DrugBank中所有分子进行排序，取得分靠前的x·NDrugBank个分子为待分子筛选蛋白质序列的分子筛选集。本发明可用于任何筛选场景。
一种基于蛋白质序列分子虚拟筛选方法

[发明专利]一种基于深度卷积网络的ATP绑定残基预测方法-CN202011262890.5在审
发明人：胡俊;郑琳琳;董世建;樊学强;白岩松;张贵军 -专利权人：浙江工业大学
申请日： 2020-11-12 - 公布日： 2021-03-09 - 主分类号： G16B15/20 文献下载
摘要：一种基于深度卷积网络的ATP绑定残基预测方法，根据输入待进行ATP绑定残基预测的蛋白质序列信息P，其残基个数为L，使用HHblits程序获取包含M条序列的多序列联配信息；计算这M条序列的对应位置与20种残基对应位置出现相同类型的频率，得到位置特异性频率矩阵；采用滑动窗口技术对位置特异性频率矩阵中的每个残基进行特征视图处理，并将这些特征视图扩展为特征张量；搭建深度卷积网络并利用已知ATP绑定残基的蛋白质序列生成对应的特征张量对该网络进行训练；将待预测的蛋白质序列生成的特征张量输入到训练好的深度卷积网络模型中，预测蛋白质序列中的残基是否为ATP绑定残基。本发明计算代价小、预测精度高。
一种基于深度卷积网络 atp 绑定残基预测方法

[发明专利]一种基于卷积神经网络的DNA绑定残基预测方法-CN202010918314.5在审
发明人：胡俊;白岩松;郑琳琳;樊学强;张贵军 -专利权人：浙江工业大学
申请日： 2020-09-03 - 公布日： 2020-12-29 - 主分类号： G06Q10/04 文献下载
摘要：一种基于卷积神经网络的DNA绑定残基预测方法，首先，根据输入残基数为L的待进行DNA绑定残基预测的蛋白质序列信息，分别使用HHblits、PSIPRED、SANN和I‑LBR程序获取特征矩阵PSFM、PSS、PSA和ILBR；然后，将以上四个矩阵组合为一个特征矩阵F并将其转化为特征张量；其次，我们将蛋白质序列处理成残基样本；再次，搭建卷积神经网络，利用已知绑定残基的蛋白质序列构建数据集并训练所搭建的网络；最后，将待进行预测的蛋白质序列的残基样本输入到训练的模型中，根据模型输出概率是否大于判定阈值threshold，进而判断对应的残基是否为DNA绑定残基。本发明计算代价小、预测精度高。
一种基于卷积神经网络 dna 绑定残基预测方法

[发明专利]一种基于序列模板的配体绑定残基预测方法-CN202010928579.3在审
发明人：胡俊;郑琳琳;白岩松;樊学强;张贵军 -专利权人：浙江工业大学
申请日： 2020-09-07 - 公布日： 2020-12-29 - 主分类号： G06Q10/04 文献下载
摘要：一种基于序列模板的配体绑定残基预测方法，首先，根据输入待进行配体绑定残基预测的蛋白质序列信息，其残基个数为L，使用HHblits程序获取包含M条序列的多序列联配信息；然后，分别提取这M条序列的PSSM、SA、PSS、DA特征并按行合并以上特征矩阵生成对应的二维矩阵，将这M条序列的二维特征矩阵扩展为一个特征张量；其次，搭建深度卷积神经网络并利用已知绑定残基的蛋白质序列生成对应的特征张量对该网络进行训练；最后，将待预测的蛋白质序列生成的特征张量输入到训练好的深度卷积神经网络模型中，预测蛋白质序列中的残基是否为绑定残基。
一种基于序列模板绑定残基预测方法

[发明专利]一种基于深度残差神经网络的蛋白质残基接触图预测方法-CN202010461169.2在审
发明人：胡俊;樊学强;郑琳琳;白岩松;张贵军 -专利权人：浙江工业大学
申请日： 2020-05-27 - 公布日： 2020-09-15 - 主分类号： G16B15/30 文献下载
摘要：一种基于深度残差神经网络的蛋白质残基接触图预测方法，首先，输入待进行蛋白质残基接触图预测的蛋白质序列；然后，对蛋白质序列利用20种常见氨基酸的one‑hot表示形式将蛋白质序列转换成一个20×L的矩阵，把蛋白质序列信息数字化，利用20×L的矩阵计算得到20×L×L的协方差张量，即输入网络的特征；其次，搭建深度残差神经网络框架，从PDB库中收集已有蛋白质接触标签的蛋白质序列和标签，计算蛋白质序列的特征张量，与对应的标签组成数据集，使用深度残差神经网络框架在数据集上学习预测模型；最后，将待进行蛋白质残基接触图预测的蛋白质特征张量输入模型，则得到该蛋白质序列残基接触图。本发明计算代价小、预测精度高。
一种基于深度神经网络蛋白质残基接触预测方法

[发明专利]一种利用MAS机的客户侧故障监控方法-CN201911211364.3在审
发明人：黄志涛;樊学强 -专利权人：北京直真科技股份有限公司
申请日： 2019-12-02 - 公布日： 2020-05-22 - 主分类号： H04L12/24 文献下载
摘要：一种利用MAS机的客户侧故障监控方法，通过短信系统利用移动代理服务器(即MAS机)所具有的短信功能将客户侧的前置采集机与网管侧的平台采集机连接，并以预设网管数据短信格式传输网管数据，网管侧的平台服务器根据所述网管数据实现对客户侧设备的故障监控，从而摆脱客户侧前置采集机对网管侧平台采集机物理连接的高依赖性，即使在一些无法进行网络连通的客户侧，也同样可以准确及时地获取设备信息以管理设备。
一种利用 mas 客户故障监控方法

1
2
下一页»
尾页
共 16 条