“郭延芝”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3个，建议您升级VIP下载更多相关专利

[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]基于机器学习的高生成热含能材料的自适应设计方法-CN202010820598.4有效
发明人：蒲雪梅;谢沄浩;覃潇;郭延芝;刘建;徐涛 -专利权人：四川大学
申请日： 2020-08-14 - 公布日： 2023-05-05 - 主分类号： G16C60/00 文献下载
摘要：本发明公开了基于机器学习的高生成热含能材料的自适应设计方法，包括以下步骤：构建含能材料搜索空间，获得具有已知特征描述符和量化计算生成热的初始数据集；使用初始数据对模型(回归器)进行训练，学习含能化合物特征描述符‑生成热属性关系；将训练后的模型应用于未知搜索空间，以预测未知化合物的生成热以及获得它们相关的不确定；使用选择器全局优化搜索，为量化计算提供下一个最佳候选物；理论计算验证候选物生成热；通过构建含能材料搜索空间，通过测试不同的描述符、回归器、选择器的组合效果，选择和构建出以E‑state+SOB描述符、SVR.lin回归模型和Trade‑off选择器为基础的自适应设计模型，构建了一个能够快速搜索高生成热含能材料的自适应设计模型。
基于机器学习生成热含能材料自适应设计方法

[发明专利]基于3D卷积神经网络的阿尔茨海默症的预判断方法-CN202011551593.2有效
发明人：袁榕澳;郭延芝;王聪;刘一静;胡际帆 -专利权人：四川大学
申请日： 2020-12-24 - 公布日： 2022-03-22 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了基于3D卷积神经网络的阿尔茨海默症的预诊断方法，包括如下步骤：S1：选取数据集：采用ADNI数据库，选择MRI和DTI图像数据；S2：数据预处理：对所选择的MRI和DTI图像数据进行预处理；S3：基于CNN的DL方法，具体步骤包括：3D卷积；采用批量正则化技术采用线性整流函数作为激活函数；3D池化，S4：建立网络体系结构；S5：实现与性能评估，DTI数据的加入可以提升诊断的准确度，而且DTI图像数据的采集同MRI图像一样，来自同一系统的同一参数扫描得到，因此同样具有低成本，无创伤，易获得的特点，在临床应用中容易推广。
基于卷积神经网络阿尔茨海默症判断方法