专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果12个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于深度学习的药物靶点亲和力预测方法-CN201910956294.8有效
  • 李巧勤;刘勇国;杨尚明;李杨;兰荻;蔡茁 - 电子科技大学
  • 2019-10-10 - 2023-03-24 - G16H70/40
  • 本发明公开了一种基于深度学习的药物靶点亲和力预测方法,涉及药物靶点亲和力预测技术领域,其包括:从Davis数据集和KIBA数据集中获取药物化合物和靶点蛋白质数据;对化合物进行编码,使用位置特异性打分矩阵表示蛋白质;将化合物标签编码输入CNN模型中,对化合物进行特征提取,得到化合物的分子表示;将蛋白质的位置特异性打分矩阵输入LSTM模型中,对蛋白质序列进行特征提取,学习蛋白质结构中氨基酸之间的次序关系以及蛋白质序列上的残基之间的关系,得到蛋白质的序列表示;将化合物的分子表示和蛋白质的序列表示同时输入到全连接层中,对化合物和蛋白质相互作用的亲和力进行预测。该方法能更准确地预测药物和靶点之间的亲和力关系。
  • 一种基于深度学习药物亲和力预测方法
  • [发明专利]一种基于深度学习的药用植物叶部病害图像识别方法-CN201910956301.4有效
  • 刘勇国;李巧勤;杨尚明;蔡茁;李杨;何家欢 - 电子科技大学
  • 2019-10-10 - 2022-07-08 - G06V20/10
  • 本发明公开了一种基于深度学习的药用植物叶部病害图像识别方法,涉及药用植物叶部病害防护技术领域,其包括采集若干药用植物叶部病害图像;对药用植物叶部病害图像进行增强处理;将各增强处理后的药用植物叶部病害图像的尺寸统一调整为299x299;训练深度CNN模型,深度CNN模型包括串联的卷积池化网络、Inception‑I网络、平均池化网络、Dropout层和Softmax层,串联的卷积池化网络的最后两个卷积层为深度可分离卷积层,Inception‑I网络中包括随机池化层;通过深度CNN模型对尺寸调整后的各药用植物叶部病害图像进行识别,识别结果为各药用植物叶部所患病害类型,基于识别结果对各药用植物叶部所患病害进行分类。该识别方法可以有效地辅助种植人员诊断病害,提高诊断效率。
  • 一种基于深度学习药用植物病害图像识别方法
  • [发明专利]基于深度SVDD模型的中药材适生区预测方法及系统-CN202010537578.6有效
  • 李巧勤;蔡茁;刘勇国;杨尚明 - 电子科技大学
  • 2020-06-12 - 2022-06-28 - G06Q10/04
  • 本发明公开了基于深度SVDD模型的中药材适生区预测方法及系统,包括:采集中药材的生态因子数据,采用MaxEnt模型生成中药材的伪不存在点样本数据;对采集到的中药材的生态因子数据进行预处理,得到生态因子预处理数据;根据所述生态因子预处理数据、伪不存在点样本数据和SVDD模型构建中药材适生区预测模型;将待预测中药材的测试点放入所述中药材适生区预测模型进行判断,得到待预测中药材的适生区。SGD及其变体优化深度SVDD模型的参数,因其计算复杂性在训练的数量上是线性扩展使得对大型数据集可以进行很好的扩展;通过对不同测试点与最优超球体的距离判断获得适生区,提高中药材适生区预测结果准确率。
  • 基于深度svdd模型中药材适生区预测方法系统

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top