基于异构图卷积神经网络预测协同药物组合方法

    公开(公告)号:CN116825384A

    公开(公告)日:2023-09-29

    申请号:CN202310772479.X

    申请日:2023-06-28

    申请人: 东北大学

    摘要: 本发明提供一种基于异构图卷积神经网络预测协同药物组合方法,涉及药物研发技术领域。该方法首先根据疾病药物历史作用数据,构建基于药物、药物组合、疾病的三部图;然后构建基于异构图卷积神经网络的协同药物组合预测模型:对于构建的三部图上的疾病、药物和药物组合节点,应用一个热编码来对三个邻接矩阵进行编码,并分别压缩为密集实值向量,构建异质图;在疾病和药物之间以及疾病和药物组合之间构建传播层进行层次传播,实现在三部图上进行药物层次的传播和药物组合层次的传播;最后构建完全连接层进行协同药物组合的预测;同时,采用困难负样本训练协同药物组合预测模型;最后使用训练好的协同药物组合预测模型进行协同药物组合预测。

    一种面向不平衡多目标优化的云资源调度方法

    公开(公告)号:CN113419854B

    公开(公告)日:2023-09-22

    申请号:CN202110698428.8

    申请日:2021-06-23

    申请人: 东北大学

    IPC分类号: G06F9/50 G06N3/006

    摘要: 本发明提供一种面向不平衡多目标优化的云资源调度方法,涉及云计算技术领域。该方法首先统计云计算中心中可用的物理机数和需处理的任务数,并估算每台物理机处理各个任务所需要花费的时间;设定调度方案为每个任务仅由一台物理机处理,将每种调度方案用调度矩阵来表示,矩阵中每个元素的取值为1或0;根据所有物理机处理任务花费的时间及调度方案,将云资源调度问题转化为三个目标函数和一个约束函数;采用多目标进化算法对云资源调度问题进行求解,得到当前云资源调度问题的参考解决方案。该方法能够解决云资源调度中不平衡问题,给决策者更好地提供一组解决方案,使决策者能够得到更适合于当前物理机情况和任务情况的解决方案。

    一种基于深度强化学习的异构信息中心网络缓存分配方法

    公开(公告)号:CN113596138B

    公开(公告)日:2022-06-21

    申请号:CN202110843043.6

    申请日:2021-07-26

    申请人: 东北大学

    IPC分类号: H04L67/568 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于深度强化学习的异构信息中心网络缓存分配方法,涉及网络缓存空间分配技术领域。具体为:将异构ICN抽象为拓扑模型;对异构ICN中动态变化的内容请求进行定义;将异构ICN的缓存空间分配问题转换为网络性能优化问题,构建网络性能优化模型,包括优化目标函数和相应的约束;对每一次内容请求应用Q学习算法,获得每个时刻的内容请求对应的网络性能最优的缓存分配方案:步将深度神经网络与Q学习算法进行接合,利用Q学习算法求解的每个时刻的内容请求对应的网络性能最优的缓存分配方案,训练出适应异构ICN动态变化的内容请求的最优缓存分配方案。可以自适应地求解出网络性能最优的缓存分配方案,更能适应动态变化的网络请求。

    一种基于自编码器的矿山智能问答系统及方法

    公开(公告)号:CN113449038A

    公开(公告)日:2021-09-28

    申请号:CN202110727782.9

    申请日:2021-06-29

    申请人: 东北大学

    摘要: 本发明提供一种基于自编码器的矿山智能问答系统及方法,涉及矿山智能问答技术领域。本系统包括矿山数据处理模块,知识图谱表示学习模块,智能问答应用模块;通过对矿山工程实施过程中获得的多源、异构且非结构文本数据较多的信息进行整理和学习,深入挖掘数据之间的内在联系,从而构建出融合了多方信息的知识图谱。通过本发明可以高效的利用原本难以发挥价值的矿山数据。用户可以通过此应用通过提出自然语言问题的形式,快速获取矿山的相关知识。

    一种基于知识表示学习的数据检索方法及系统

    公开(公告)号:CN112084347A

    公开(公告)日:2020-12-15

    申请号:CN202010965798.9

    申请日:2020-09-15

    申请人: 东北大学

    发明人: 马连博 孙鹏

    摘要: 本发明公开一种基于知识表示学习的数据检索方法及系统,其方法包括:整理检索信息库;将结构化文件文档中的内容整理成为知识图谱的知识库的形式;生成所有的实体和关系最终向量表示,并更新知识库文件中实体向量文档、关系向量文档和参数列表文档;处理待检索内容,在知识库文件中检索,得到整理后的知识库中的信息及预测信息;其系统包括:统交互界面、信息处理模块、知识图谱的表示学习模块、检索信息模块;所述知识图谱的表示学习模块包括:实体关系嵌入单元、三元组嵌入单元、知识图谱预测单元;实现对于原有信息库的扩展,解决现有技术在已有信息检索过程中无法针对数据库中已有的数据进行推理和预测的问题。

    一种基于进化的神经架构搜索方法

    公开(公告)号:CN116611504A

    公开(公告)日:2023-08-18

    申请号:CN202310453530.0

    申请日:2023-04-25

    申请人: 东北大学

    摘要: 本发明提供一种基于进化的神经架构搜索方法,首先定义神经网络架构的搜索空间并进行编码,其次根据训练实例和实例对应的标签构建训练数据集,构建列表排序预测器,利用构建的训练数据集进行训练,最后利用进化算法搜索最佳架构。本发明使用列表排序预测器来对架构的性能进行评估,用列表排序模型代替线性回归来构建性能预测器。预测器是预测每个候选体系结构在总体中的顺序,而不是预测体系结构的精确精度值。根据排名信息,可以快速识别出优秀的架构,并选择进入下一轮,并且本发明中的排序预测器不需要大量原始的训练有素的架构样本,这大大降低了计算成本。

    基于机器学习构建的社交网络影响最大化确定方法

    公开(公告)号:CN114239403A

    公开(公告)日:2022-03-25

    申请号:CN202111550263.6

    申请日:2021-12-17

    申请人: 东北大学

    摘要: 本发明提供一种基于机器学习构建的社交网络影响最大化确定方法,属于社交网络影响最大化技术领域;首先获取社交网络数据集并对社交网络数据集进行预处理,然后创建基于独立联级传播模型的最大化求解模型,包括多搜索模式粒子群,学习自动机和局部搜索机;最后给定一个社交网络数据集,利用构建的求解模型对这个社交网络的种子集进行求解;粒子群的应用实现了问题求解的智能性,降低了问题的复杂度;学习自动机的引入实现了粒子群的多搜索模式,解决了对于解集空间探索失衡且模式单一的问题;局部搜索机用于探索邻居解,有效加速了优化算法的收敛速度。

    基于遗传算法优化神经网络的露天矿知识图谱构建方法

    公开(公告)号:CN113569055A

    公开(公告)日:2021-10-29

    申请号:CN202110843700.7

    申请日:2021-07-26

    申请人: 东北大学

    摘要: 本发明公开了一种基于遗传算法优化神经网络的露天矿知识图谱构建方法,属于露天矿山稳定性评估技术领域。包括:获取露天矿灾害相关数据并对其进行处理构建命名实体识别数据集;利用遗传算法对现有BERT‑BILSTM‑CRF模型进行优化,并利用命名实体识别数据集中的数据训练优化的BERT‑BILSTM‑CRF模型,获得命名实体识别模型;构建关系抽取标注数据集;利用遗传算法对现有BILSTM模型进行优化,并利用关系抽取标注数据集中的数据训练优化的BILSTM模型,获得关系抽取模型;将待抽取的露天矿灾害相关数据依次输入到命名实体识别模型和关系抽取模型进行实体关系抽取得到三元组,并存入Neo4j图数据库,构建露天矿知识图谱。该方法能够兼顾上下文信息,能够搭建露天矿稳定性领域高质量的知识图谱。

    一种用于图像分类的神经架构加速搜索方法

    公开(公告)号:CN118155046A

    公开(公告)日:2024-06-07

    申请号:CN202410565402.X

    申请日:2024-05-09

    申请人: 东北大学

    发明人: 马连博 康海东

    摘要: 本发明提供一种用于图像分类的神经架构加速搜索方法,涉及计算机视觉应用技术领域。利用现有的带标注的源域架构数据集训练一个单域预测器,在不经训练的情况下,在未见过的目标域上找到最优的轻量化神经网络架构用于图像分类;为进一步提高预测器泛化能力,设计一种新的多头注意力辅助正则化器,其输出是非负标量,其输入取决于预测器的参数ω,正则化器的学习旨在使元训练中预测器的训练导致元测试中性能的提高。本发明用于制造业生产环节的低质量图像分类,利用单源域泛化的预测器实现对神经架构搜索评估过程的加速,进而为对低质量图像分类任务快速的搜索轻量化的神经架构用于弱图像分类任务,提高低质量图像分类任务的部署效率和准确率。