“邓赵红”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36个，建议您升级VIP下载更多相关专利

[发明专利]兼顾分子结构与序列挖掘的多视角酶功能预测方法-CN202310445726.5在审
发明人： 邓赵红;于管青;吴敬;未志胜;王蕾;王士同 -专利权人：江南大学
申请日： 2023-04-24 - 公布日： 2023-09-05 - 主分类号： G16B15/00 文献下载
摘要：本发明属于智能细胞生物识别领域，具体涉及一种兼顾分子结构与序列挖掘的多视角酶功能预测方法。该方法包括：初始酶特征构建，深度酶序列特征构建，深度酶结构特征构建，基于TSK模糊系统的模型训练与预测4个阶段。本方法将酶的结构特征和序列特征视为两个不同的视角，通过构造一个全新的多视角深度网络来从不同模态抽取、交叉、鉴别信息，并能实现对多视角酶数据间互补性与一致性信息的挖掘，采用多视角TSK模糊系统模型训练多视角特征，从而实现最终的酶功能预测。本方法兼顾了酶的序列特征和结构特征，使得预测信息更加完备，通过TSK模糊系统，能够很好地在新的网络中重新学习酶的序列与结构特征。
兼顾分子结构序列挖掘视角功能预测方法

[发明专利]一种基于综合学习技术的药物靶标相互作用预测方法-CN202310452094.5在审
发明人： 邓赵红;陈越 -专利权人：江南大学
申请日： 2023-04-25 - 公布日： 2023-08-01 - 主分类号： G16C20/50 文献下载
摘要：本发明属于新药研发领域，涉及一种基于综合学习技术的药物靶标相互作用预测方法，该方法包括训练阶段和使用阶段两部分，训练阶段包括初始初始多视角数据构建模块，相互作用预测模块和多视角自适应综合决策模块。初始多视角数据构建模块使用图编码器和图转换器，分别对每个视角数据建模，获得初始数据构建模型。本发明结合图注意力神经网络和消息传递网络的相互作用预测模块构建出深度特征并产生初步预测结果，通过多视角自适应综合决策模块，进一步提升了预测结果的准确度。相比传统药物10‑16年的研发验证周期，本发明显著缩短了药物研发周期，减少高通量筛选的成本，还可以扩大搜索空间，避免遗漏潜在的候选药物。
一种基于综合学习技术药物靶标相互作用预测方法

[发明专利]一种面向小数据集样本的GAN判别器能力抑制算法-CN202310528726.1在审
发明人： 邓赵红;徐傲然;王士同 -专利权人：江南大学
申请日： 2023-05-11 - 公布日： 2023-07-25 - 主分类号： G06N3/0464 文献下载
摘要：本发明属于数据增强应用领域，具体涉及一种面向小数据集样本的GAN判别器能力抑制算法。本发明采用一种新型的判别器抑制模块，在判别器将判断结果进行损失计算之前，对其进行缩放处理。当判别器对真实数据进行判断时，会随机选取判别值与平均值进行判断，若该判别值大于同一批次中的平均值，则将其减去λ倍的平均值，从而达到缩小判别值的目的。而当判别器对生成器生成的虚假数据进行判断时，仍会随机选取判别值进行判断，若该判别值小于同一批次中的平均值，则为其加上λ倍的平均值。这样可以保持生成器和判别器之间的平衡，从而避免判别器达到最优状态，解决JS散度为0导致的训练终止问题。
一种面向数据样本 gan 判别能力抑制算法

[发明专利]一种面向小数据集场景的GAN模型改进方法-CN202310528722.3在审
发明人： 邓赵红;徐傲然;王士同 -专利权人：江南大学
申请日： 2023-05-11 - 公布日： 2023-07-25 - 主分类号： G06N3/0464 文献下载
摘要：本发明属于数据增强应用领域，具体涉及一种面向小数据集场景的GAN模型改进方法。本发明的多判别器融合模块由多个判别器以及判别器融合子模块组成。每个判别器是由多层卷积、全连接层组成的网络，其采用下采样的方式接收一个批次的图片，并将其转换为张量。张量有四个维度，分别为每批次图像的数量batch，通道数c，每张图像的宽w，每张图像的高h。多判别器融合子模块负责协调多个判别器，接收多个判别器的返回值，并将其加权后传输给生成器进行反向传播。为了避免样本渗透的出现，会降低负责增强判别器的权重。这样既可以减少判别器过拟合的概率，又可以降低样本渗透的可能性。
一种面向数据场景 gan 模型改进方法

[发明专利]一种具有普适性的结肠息肉分割方法-CN202310304320.5在审
发明人： 邓赵红;王园园;肖志勇;胡曙东;王士同 -专利权人：江南大学
申请日： 2023-03-27 - 公布日： 2023-07-21 - 主分类号： G06V10/26 文献下载
摘要：本发明属于智能医疗计算机辅助诊断应用领域，涉及一种具有普适性的结肠息肉分割方法。该方法基于编解码网络结构，编码器采用具有多尺度输出和高效自注意力机制的Mix Transformer结构；解码器是依据编码器的多尺度输出设计的一种新型结构，其中利用结构简单而有效的卷积神经网络作用于编码器的低层输出，然后利用多尺度特征融合模块作用于编码器的较低层、中层、高层输出，接着对卷积神经网络和多尺度融合后的结果分别输入到CBAM注意力机制和SE BLock中，最后将其结果一并输入到相似性聚合模块中，目的是为了增强特征表示。本发明相较于现存的深度学习方法在多个数据集上的性能表现更佳，具有良好的普适性和有效性。
一种具有普适性结肠息肉分割方法

[发明专利]基于模糊建模和多标记学习的自闭症谱系障碍诊断方法-CN202310330562.1在审
发明人： 邓赵红;娄琼丹;胡曙东;王士同 -专利权人：江南大学
申请日： 2023-03-31 - 公布日： 2023-07-07 - 主分类号： G16H50/20 文献下载
摘要：本发明属于智能医疗计算机辅助诊断应用领域，涉及一种基于模糊建模和多标记学习的自闭症谱系障碍诊断方法。该方法包括预处理、特征抽取、训练阶段和使用阶段四部分。预处理和特征抽取将自闭症谱系障碍样本的rs‑fMRI图像处理成适用于方法训练和使用的数字型特征数据。训练阶段包括样本合成、模糊不确定学习、标记协同学习、线性回归加权和高阶功能连通学习。样本合成和线性回归加权的联合能够有效缓解自闭症谱系障碍亚类之间的不平衡，标记协同学习通过分析各自闭症谱系障碍亚类之间的关联降低标记噪声对方法预测的干扰，高阶功能连通学习基于标记先验知识进一步挖掘自闭症谱系障碍二阶功能连通特征中的潜在知识。
基于模糊建模标记学习自闭症谱系障碍诊断方法

[发明专利]基于高阶过滤图卷积注意力网络的生物分子相互作用预测方法-CN202310381106.X在审
发明人： 邓赵红;张真;王士同 -专利权人：江南大学
申请日： 2023-04-11 - 公布日： 2023-07-04 - 主分类号： G16B40/00 文献下载
摘要：本发明属于智能细胞生物识别领域，具体涉及基于高阶过滤图卷积注意力网络的生物分子相互作用预测方法。该方法包括生物分子相互作用网络的基础结构特征提取，生物分子相互作用网络的高阶结构特征提取，基础结构特征与高阶结构特征混合，特征过滤网络，链接预测器5个阶段。本方法先分别提取生物分子相互作用网络的基础结构特征和高阶结构特征，再将两种结构特征通过CONCAT机制进行混合，完善了生物分子相互作用网络的结构特征提取。在特征过滤网络中，本方法提出了LN+SE+LSTM(正则化层+注意力层+长短期记忆网络)的特征过滤机制，成功地降低了高阶邻接节点的噪声。
基于过滤图卷注意力网络生物分子相互作用预测方法

[发明专利]基于多视角多尺度多注意力机制的蛋白质功能预测方法-CN202310381110.6在审
发明人： 邓赵红;王中宇;吴敬;未志胜;王蕾;王士同 -专利权人：江南大学
申请日： 2023-04-11 - 公布日： 2023-07-04 - 主分类号： G16B40/00 文献下载
摘要：本发明属于蛋白质序列智能功能预测领域，涉及一种基于多视角多尺度多注意力机制的蛋白质功能预测方法。该方法包括训练阶段和使用阶段两部分，训练阶段初始多视角特征提取模块、多视角深度多尺度多注意力分类器学习模型和多视角自适应决策网络。初始多视角特征提取模块使用四种编码特征从蛋白质序列中提取特征，分别为基于独热编码的序列特征、基于进化信息的序列特征、基于深度语义模型的序列特征以及基于重叠理化特性编码的序列特征。本发明为每个视角设计特定的多尺度多注意力深度神经网络模型，提取深度特征并完成对蛋白质功能的初步预测。最后，引入了多视角自适应决策机制，以平衡每个视角对最终预测结果的相对重要性。
基于视角尺度注意力机制蛋白质功能预测方法

[发明专利]基于多视图深度交互学习的多级酶功能预测方法-CN202310103283.1在审
发明人： 邓赵红;唐文亮;吴敬;未志胜;王蕾;王士同 -专利权人：江南大学
申请日： 2023-02-13 - 公布日： 2023-06-23 - 主分类号： G16C20/30 文献下载
摘要：本发明属于智能细胞生物识别领域，涉及一种基于多视图深度交互学习的多级酶功能预测方法。该方法的主要过程如下：首先，将酶序列转换为溶剂可及性和二级结构的组合视图、包含进化信息的PSSM视图以及结构域视图，从而构建出初始的多视图特征数据；然后，将上述三个原始视图输入到不同的深度特异性网络模块，以获得各视图的深层特异性信息；进一步地，设计一个深度视图交互网络来提取视图间的交互性信息；最后，将各视图的特异性信息以及它们的交互性信息导入到一个后续的多视图自适应损失加权分类模块中进行协同训练，从而训练出最终的预测模型。
基于视图深度交互学习多级功能预测方法

[发明专利]一种深度学习相融合的协同学习增强的结肠息肉分割方法-CN202310025149.4在审
发明人： 邓赵红;王园园;娄琼丹;胡曙东;刘月影;王士同 -专利权人：江南大学
申请日： 2023-01-09 - 公布日： 2023-06-02 - 主分类号： G06V10/26 文献下载
摘要：本发明属于智能医疗计算机辅助诊断应用领域，涉及一种深度学习相融合的协同学习增强的结肠息肉分割方法。该方法包括特征提取模型、融合模块和多视角协同学习，其中特征提取模型分为两个分支，其一是利用DeiT‑Small提取全局特征信息，建立每个像素之间的关联；其二是利用HardNet‑MSEG提取局部特征信息，获取更多的低级细节信息。本发明为了提高小目标结肠息肉图像的分割精度，基于公开的结肠息肉图像数据集和最初的深度学习单分支分割方法，提出一种深度学习技术相融合的方法，并使用多视角协同学习增强结肠息肉分割。相较于改进前的利用单个深度学习方法提取的特征更丰富，弥补了单一分支的信息遗漏缺陷。
一种深度学习融合协同增强结肠息肉分割方法

[发明专利]一种基于显隐协同学习的不完整多视角模糊系统建模方法-CN202310071513.0在审
发明人： 邓赵红;张炜;王士同 -专利权人：江南大学
申请日： 2023-02-03 - 公布日： 2023-05-16 - 主分类号： G06F18/25 文献下载
摘要：本发明属于智能计算领域，具体涉及一种基于显隐协同学习的不完整多视角模糊系统建模方法。该方法在第一阶段中缺失视角补全与共性隐视角学习被统一到一个框架内，在这个框架内，学习到的共性隐视角可以提高多视角数据的补全性能，而补全的多视角数据又可以作为学习共性隐视角的指导，这两部分相互协商，相互提升。在第二阶段中，本发明基于TSK模糊系统构建了一个显隐协同的不完整多视角模糊系统，在这系统内，补全后的多视角数据与共性隐视角数据被最大化利用，同时通过协同学习使系统能够挖掘显性与隐性数据间的一致性与互补性信息。相较于当前基于补全技术或者仅使用共性视角进行建模的方法，该方法更全面的利用和挖掘了多视角数据。
一种基于协同学习完整视角模糊系统建模方法

[发明专利]基于多尺度特征融合构建多视角及协同学习的癫痫检测方法-CN202310025370.X在审
发明人： 邓赵红;王鹏彪;胡曙东;刘月影;王士同 -专利权人：江南大学
申请日： 2023-01-09 - 公布日： 2023-05-09 - 主分类号： G06F18/24 文献下载
摘要：本发明属于智能癫痫检测领域，涉及基于多尺度特征融合构建多视角及协同学习的癫痫检测方法。该方法在时域、频域、时频域三种视角的基础上首先进行深度学习得到深度多视角特征集。本发明进一步通过基于深度多视角特征集构建全局多尺度融合网络来学习三个深度视角的全局融合视角，以及对各视角进行局部强化的全局融合多尺度融合网络。基于上述多尺度融合网络，将抽取出四个视角：即一个一般化全局融合视角和三个局部强化的全局融合视角，并连同前述三视角深度特征集共获得七个深度特征视角。本发明较之于传统的分类器，该分类器即具有多视角，最终得到一个具有高泛化性和较好透明性的癫痫检测模型，可以更有效地提升检测精度。
基于尺度特征融合构建视角协同学习癫痫检测方法

[发明专利]基于多层协同注意力图协同过滤的关系预测方法-CN202310025368.2在审
发明人： 邓赵红;武群卓;胡曙东;刘月影;王士同 -专利权人：江南大学
申请日： 2023-01-09 - 公布日： 2023-04-18 - 主分类号： G16B15/30 文献下载
摘要：本发明属于智能细胞生物识别领域，具体涉及一种基于多层协同注意力图协同过滤的关系预测方法。一种基于多层协同注意力图协同过滤的关系预测方法，该方法包括circRNA与疾病的特征构建，circRNA与疾病的多特征融合，多层协同注意力表征学习，基于协同过滤的模型训练与关系预测4个阶段。本方法在已有的特征描述符基础上，构造中心网络上的传播机制，对circRNA与疾病间的交互作用进行深层挖掘，使circRNA‑疾病关系网络得到充分利用。在特征抽取与构造过程中，本方法通过全局捕获隐藏在circRNA‑疾病关系网络中的关键协作信号，利用交互信息弥补了特征提取阶段嵌入构造不充分的缺陷。
基于多层协同注意力图过滤关系预测方法

[发明专利]一种面向脑功能磁共振图像分类的TSK模糊系统建模方法-CN201910269679.7有效
发明人：王骏;张春香;邓赵红;石争浩;张嘉旭;祝继华;王士同 -专利权人：江南大学
申请日： 2019-04-04 - 公布日： 2023-04-18 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种面向脑功能磁共振图像分类的TSK模糊系统建模方法，属于图像处理技术领域。该方法包括：步骤S1：对脑功能磁共振图像进行预处理；步骤S2：计算各个脑区之间的Pearson相关系数，获得对称矩阵，取其上三角按行展开，获得样本特征向量，样本特征向量的每列代表一张图片的数据；步骤S3：对样本特征向量进行特征提取；步骤S4：构造分类器对脑功能磁共振图像进行分类，并采用交替优化算法求解分类器所用模型，完成图像的分类。本发明基于TSK模糊系统构建非线性分类器，利用无向图表示特征之间的相关性，能够准确的对脑功能磁共振图像进行分类。
一种面向功能磁共振图像分类 tsk 模糊系统建模方法

[发明专利]基于多视角深度特征与多标签学习的RNA结合蛋白识别-CN202010226916.4有效
发明人： 邓赵红;杨海涛;吴敬;王蕾;王士同 -专利权人：江南大学
申请日： 2020-03-27 - 公布日： 2023-04-18 - 主分类号： G16B5/00 文献下载
摘要：本发明属于智能细胞生物识别领域，涉及基于多视角深度特征与多标签学习的RNA结合蛋白识别。该方法包括训练阶段和使用阶段两部分，训练阶段包括初始多视角数据构造、深度多视角特征提取模型和多标签分类器训练。初始多视角数据构造使用分子生物学原理和统计学原理将原始的RNA序列转换成氨基酸序列和二肽成分，获得氨基酸序列和二肽成分特征，然后和原始的RNA序列一起构建成初始多视角特征，为初始多视角特征构建模型。本发明基于最初的多视角数据，利用CNN进行深度学习来构造出深度多视角特征，相对于原始多视角特征，经过深度特征提取的多视角特征具有更小的数据维度和更高的分类效果。
基于视角深度特征标签学习 rna 结合蛋白识别

1
2
3
下一页»
尾页
共 36 条