-
公开(公告)号：CN116884481A
公开(公告)日：2023-10-13
申请号：CN202310697601.1
申请日：2023-06-13
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G16B20/30 , G06N3/0464 , G06N3/0895 , G16B20/00
Abstract: 一种基于图卷积神经网络与自监督重构学习的基因到表型预测方法和系统，该方法基于图卷积神经网络的方法，将每个品种的大豆作为图节点，大豆的基因序列为节点的特征，利用每个品种大豆之间的亲缘关系作为图的边，将构建的图输入图卷积神经网络与自监督重构网络中，更新节点特征，实现大豆基因到表型的预测。本发明创新性的利用图卷积神经网络实现基因到表型的预测，利用自监督学习降低基因维度，并将品种之间的亲缘关系作为先验关联不同品种指导基因到表型挖掘，提高表型预测的效果。
-
公开(公告)号：CN116597894A
公开(公告)日：2023-08-15
申请号：CN202310359159.1
申请日：2023-03-31
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
Abstract: 基于XGBoost特征选择与深度学习结合的大豆基因到表型预测方法，首先基于XGBoost方法进行特征选择挑选基因位点，根据XGBoost获得每个基因位点的重要性量度，根据重要性量度排序将重要的基因位点挑选出来，然后将挑选的基因位点进行自监督重构训练得到重构网络参数，最后对挑选的基因位点onehot编码，并利用重要性量度值对编码加权重，将加权重后的编码输入到修改后的重构网络中实现大豆基因到表型的预测。本发明利用XGBoost进行重要基因位点筛选，过滤掉大量冗余的基因位点，并利用生成网络学习基因位点的分布，对基因位点重构，重构网络的参数作为预训练参数指导基因预测表型的训练，提高表型预测的效率和效果。
-
公开(公告)号：CN115810134A
公开(公告)日：2023-03-17
申请号：CN202310110512.2
申请日：2023-02-14
Applicant: 之江实验室
IPC: G06V10/764 , G06V20/70 , G06V10/10 , G06V20/62 , G06V10/74 , G06Q30/018 , G06Q40/08
Abstract: 本发明公开了一种车险反欺诈的图像采集质检方法、系统和装置，所述方法由车险理赔质检终端和车险理赔质检服务器执行，包括：通过车险理赔质检终端收集并识别分类包括车损情况、车辆信息、场景信息、驾驶员信息、三方信息在内的图像信息，对图像信息进行筛选，并对筛选后的图像信息进行标注；将标注后的图像信息发送至车险理赔质检服务器，以使车险理赔质检服务器执行图像质检，得到质检结果；险理赔质检服务器将质检结果返回至车险理赔质检终端。本发明方法能够在信息收集的过程中，完成车险现场数据的标注和识别，从收集端规范了数据的采集，提高了图像采集的质量。
-
公开(公告)号：CN113657355A
公开(公告)日：2021-11-16
申请号：CN202111220354.3
申请日：2021-10-20
Applicant: 之江实验室
Abstract: 本发明提供一种融合分割信息的全局局部感知行人重识别方法，包括训练阶段和测试阶段，在训练阶段，通过公开的分割模型获取行人训练集每个行人的分割掩码，将所述分割掩码输入到掩码松弛模块获得松弛掩码，将行人图像分块与所述松弛掩码分块融合后输入至Transformer网络模型，得到全局特征和分块局部特征后进行损失计算，调整网络模型参数，训练并保存最优网络模型；所述测试阶段，输入待检索行人和底库行人图像至分割模型获取分割掩码，将所述分割掩码输入到掩码松弛模块获得松弛掩码，将行人图像分块与所述松弛掩码分块融合后输入至训练好的网络模型，获得全局特征和分块局部特征并归一化处理，后通过计算待检索行人和底库行人的相似度来识别行人。
-
公开(公告)号：CN119555736A
公开(公告)日：2025-03-04
申请号：CN202510100487.9
申请日：2025-01-22
Applicant: 之江实验室
IPC: G01N25/20
Abstract: 本发明公开了一种3D打印金属点阵传热性能的测量装置及方法，该装置包括：底部隔热棉；底部隔热棉上设置有隔热陶瓷块和底部固定框，且底部固定框包围在隔热陶瓷块的四周；隔热陶瓷块上设置有加热片；加热片上设置有点阵试样；点阵试样上设置有制冷片；制冷片上设置有水冷板；水冷板连接有两根水冷管；热电偶的一端与点阵试样相连接，另一端与温度测试仪相连；侧部隔热棉包裹点阵试样周围的三个侧面；冰水罐以及设置在冰水罐中的循环水电机和冰袋，冰水罐和循环水电机分别与两根水冷管相连接；加热片和制冷片均与直流电源相连。本发明能够准确的测试在太空环境下点阵填充的3D打印结构件的热传导性能，有利于提高结构热性能测试的准确度。
-
Patent Agency Ranking
公开(公告)号：CN119206098B
公开(公告)日：2025-02-14
申请号：CN202411723332.2
申请日：2024-11-28
Applicant: 之江实验室
IPC: G06T17/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CLIP的性质到微结构逆向生成方法，包括训练和推理阶段，具体为：利用图表示对三维微结构进行表示，训练变分自编码器对图表示进行编码和解码；利用训练好的变分自编码器提取图表示的潜在特征，利用CLIP对性质提取性质特征，计算潜在特征和性质特征之间的损失，根据损失利用优化器进行训练，得到训练好的模型参数。输入目标性质到训练好的CLIP模型中得到编码后的性质特征，然后将性质特征输入到训练好的变分自编码器的解码器中解码得到图表示，最后将图表示转化成三维结构建模文件。本发明实现了性质到微结构的逆向生成，并且对微结构的对称性连通性等做判断，使得生成的微结构的质量得到保证。
-
公开(公告)号：CN119206098A
公开(公告)日：2024-12-27
申请号：CN202411723332.2
申请日：2024-11-28
Applicant: 之江实验室
IPC: G06T17/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于CLIP的性质到微结构逆向生成方法，包括训练和推理阶段，具体为：利用图表示对三维微结构进行表示，训练变分自编码器对图表示进行编码和解码；利用训练好的变分自编码器提取图表示的潜在特征，利用CLIP对性质提取性质特征，计算潜在特征和性质特征之间的损失，根据损失利用优化器进行训练，得到训练好的模型参数。输入目标性质到训练好的CLIP模型中得到编码后的性质特征，然后将性质特征输入到训练好的变分自编码器的解码器中解码得到图表示，最后将图表示转化成三维结构建模文件。本发明实现了性质到微结构的逆向生成，并且对微结构的对称性连通性等做判断，使得生成的微结构的质量得到保证。
-
公开(公告)号：CN116992919B
公开(公告)日：2023-12-19
申请号：CN202311269915.8
申请日：2023-09-28
Applicant: 之江实验室 , 中国科学院东北地理与农业生态研究所
IPC: G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/084 , G16B40/00 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种基于多组学的植物表型预测方法和装置，该方法基于图卷积神经网络，将多组学如基因组、转录组、代谢组的数据作为图节点，不同组学之间的关联程度作为图的边来构建每个植株的图结构数据，将构建的图结构数据输入图卷积神经网络中，提取节点特征，通过Transformer网络更新节点特征，节点特征拼接后输入全连接层，输出表型预测值，利用整个图结构融合多组学特征实现表型的预测。本发明创新性的利用图卷积神经网络结合Transformer网络实现基因到表型的预测，并利用多组学构建图结构融合多组学数据实现精准表型预测，在一定程度上解决只用单一组学表型预测不准的问题，
-
公开(公告)号：CN115810134B
公开(公告)日：2023-07-21
申请号：CN202310110512.2
申请日：2023-02-14
Applicant: 之江实验室
IPC: G06V10/764 , G06V20/70 , G06V10/10 , G06V20/62 , G06V10/74 , G06Q30/018 , G06Q40/08
Abstract: 本发明公开了一种车险反欺诈的图像采集质检方法、系统和装置，所述方法由车险理赔质检终端和车险理赔质检服务器执行，包括：通过车险理赔质检终端收集并识别分类包括车损情况、车辆信息、场景信息、驾驶员信息、三方信息在内的图像信息，对图像信息进行筛选，并对筛选后的图像信息进行标注；将标注后的图像信息发送至车险理赔质检服务器，以使车险理赔质检服务器执行图像质检，得到质检结果；险理赔质检服务器将质检结果返回至车险理赔质检终端。本发明方法能够在信息收集的过程中，完成车险现场数据的标注和识别，从收集端规范了数据的采集，提高了图像采集的质量。
-
公开(公告)号：CN115331732A
公开(公告)日：2022-11-11
申请号：CN202211238697.7
申请日：2022-10-11
Applicant: 之江实验室
Abstract: 本发明公开了基于图神经网络的基因表型训练、预测方法及装置，根据现有公开的基因位点与表型的相关性，构建图神经网络：节点代表基因位点，边代表两个基因位点同时与某个表型相关，且边的权重代表基因位点之间的关联程度；采集样本的基因数据，并收集各个样本对应的表型数据；训练过程中，对输入的基因数据基于其位点探测概率值进行编码；将编码数据输入构建的图神经网络；采用均匀采样进行节点邻域选择，并通过邻域节点的权重与卷积核参数更新各个节点；将每个节点的输出结果进行拼接，并将其输入多层感知器，输出表型分类结果；将分类结果与真值进行比较，训练与验证图神经网络；再将待分类的基因数据输入训练好的图神经网络进行表型分类。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.018 seconds)
