-
公开(公告)号:CN117543588A
公开(公告)日:2024-02-09
申请号:CN202311555822.1
申请日:2023-11-21
申请人: 国网黑龙江省电力有限公司电力科学研究院 , 哈尔滨工业大学 , 哈尔滨理工大学
发明人: 孔繁荣 , 申昱博 , 刘洪臣 , 李超超 , 吕艳玲 , 邱月 , 孙巍 , 李萌 , 周萌 , 于博文 , 刘博 , 张航 , 周洪毅 , 刘妍均 , 王晓丹 , 王海姣 , 陈妍 , 刘丽娜 , 夏雪晶 , 周莉莉 , 王一 , 张文睿 , 张文博 , 朱博 , 高伟楠 , 于浩 , 卫兵 , 徐广野 , 王艳薇 , 陈培奇 , 郑树磊 , 王敏 , 钱亮 , 赵吉超 , 刘洋 , 王暖 , 李惠 , 刘凯 , 刘丽秋 , 关雨 , 谷海燕 , 孟璐 , 赵丽丽 , 杨芳 , 王芳 , 李芳
摘要: 本发明资源聚合商模式下的配电网分布式储能调压控制方法,解决了配电网电压越限的问题,属于用户侧分布式储能领域。本发明方法包括:基于配电网系统的基础数据,在资源聚合商模式下对用户侧储能进行等效聚合,聚合成供资源聚合商调度的等效柔性分布式储能,并对配电网进行集群划分;根据不同集群,设置电压调节比例为初始值;选取电压越限最严重集群中的最严重节点作为优先调节对象,计算调节比例对应的电压调节上下限,利用所处集群内部储能充放电进行电压调节,循环检测并调节各越限集群节点电压,直至全网电压恢复至合理范围内;接着不断更新电压调节比例,输出不同调节比例下的有功网损;最后,确定最小有功网损所对应的储能时序出力。
-
公开(公告)号:CN115497555B
公开(公告)日:2024-01-05
申请号:CN202210980663.9
申请日:2022-08-16
摘要: 本申请公开了一种多物种蛋白质功能预测方法、装置、设备及存储介质,属于生物信息技术领域,该方法包括:将多物种蛋白质的标签矩阵和特征矩阵输入预先构建的跨物种异构网络;在所述跨物种异构网络的每个传播层传播所述标签矩阵和所述特征矩阵,获得传播后的目标标签矩阵和目标特征矩阵;将所述目标标签矩阵和所述目标特征矩阵进行加权获得预测得分矩阵,并基于所述预测得分矩阵获得所述多物种蛋白质(56)对比文件WO 2021041199 A1,2021.03.04WO 2022104265 A1,2022.05.19宋宝兴等“.基于蛋白质相互作用网络挖掘物种内的功能相似蛋白质”《.生物物理学报》.2011,第27卷(第9期),第789-800页.潘怡等.“加权优先级网络在蛋白质功能预测中的应用研究”《.小型微型计算机系统》.2017,第38卷(第9期),第1977-1982页.黄佳“.基于拓扑和序列的多生物网络比对算法的研究”《.《中国优秀硕士学位论文全文数据库》.2022,(第1期),第A006-454页.chen lei等.“Identifying novel proteinphenotype annotations by hybridizingprotein-protein interactions and proteinsequence similarities”《.Moleculargenetics and genomics : MGG》.2016,第291卷(第2期),第913-934页.H Wang等“.Combining graphconvolutional neural networks and labelpropagation”《.ACM trans》.2021,第40卷(第4期),第1-27页.
-
公开(公告)号:CN115497555A
公开(公告)日:2022-12-20
申请号:CN202210980663.9
申请日:2022-08-16
摘要: 本申请公开了一种多物种蛋白质功能预测方法、装置、设备及存储介质,属于生物信息技术领域,该方法包括:将多物种蛋白质的标签矩阵和特征矩阵输入预先构建的跨物种异构网络;在所述跨物种异构网络的每个传播层传播所述标签矩阵和所述特征矩阵,获得传播后的目标标签矩阵和目标特征矩阵;将所述目标标签矩阵和所述目标特征矩阵进行加权获得预测得分矩阵,并基于所述预测得分矩阵获得所述多物种蛋白质的功能预测得分。如此,基于跨物种异构网络上实现了标签与特征的同时传播,提高了多物种蛋白质功能的预测的准确性和有效性。
-
公开(公告)号:CN115577273B
公开(公告)日:2024-04-26
申请号:CN202210970095.4
申请日:2022-08-12
摘要: 本申请公开了一种基于对比学习的单细胞数据聚类方法、装置、设备及存储介质,该方法包括:通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征;通过预先构建的对比学习模型将所述特征进行对比学习,获得所述待聚类单细胞数据的高阶表示,并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。如此,通过特征提取、对比学习获得了待聚类单细胞数据的高阶表示,解决了当前单细胞测序数据高维稀疏、种群间不平衡以及测序过程经常发生drop‑out事件的问题。
-
公开(公告)号:CN116246698A
公开(公告)日:2023-06-09
申请号:CN202211090606.X
申请日:2022-09-07
IPC分类号: G16B20/00 , G16B40/00 , G06F40/30 , G06N3/0464
摘要: 本发明公开了一种基于神经网络的信息提取方法、装置、设备及存储介质,属于生物信息技术领域,该方法包括:本发明从预先获得的metapath实例中提取语义信息;基于注意力聚合机制对所述语义信息进行编码,获得语义注意力系数,基于所述语义注意力系数聚合邻居节点;通过非线性神经网络对所述语义信息进行学习,获得二次语义信息,将二次语义信息聚合至所述邻居节点中,获得节点嵌入;通过非线性神经网络融合多个metapath下的所述节点嵌入,获得最终节点表示。如此通过非线性神经网络二次提取metapath实例中的语义信息,充分利用了各个节点的语义信息,提升了信息提取的效果。
-
公开(公告)号:CN115577273A
公开(公告)日:2023-01-06
申请号:CN202210970095.4
申请日:2022-08-12
摘要: 本申请公开了一种基于对比学习的单细胞数据聚类方法、装置、设备及存储介质,该方法包括:通过预先构建的特征提取模块确定待聚类单细胞数据的正视图对并提取所述正视图对的特征;通过预先构建的对比学习模型将所述特征进行对比学习,获得所述待聚类单细胞数据的高阶表示,并对所述高阶表示进行聚类分析以获得所述待聚类单细胞数据的聚类分析结果。如此,通过特征提取、对比学习获得了待聚类单细胞数据的高阶表示,解决了当前单细胞测序数据高维稀疏、种群间不平衡以及测序过程经常发生drop‑out事件的问题。
-
公开(公告)号:CN118474147A
公开(公告)日:2024-08-09
申请号:CN202410227737.0
申请日:2024-02-29
申请人: 黑龙江笛卡尔科技有限公司 , 哈尔滨工业大学国家大学科技园发展有限公司 , 哈尔滨工业大学
IPC分类号: H04L67/125 , G05D27/02 , H04L67/75 , H04Q9/02 , H04W4/38 , G06F13/42 , G06Q50/02 , G06N3/044 , G06N3/048 , G06N3/0499 , G06N3/084
摘要: 一种基于ESP32‑S3的物联网智慧农业监测及控制系统,它属于物联网智慧农业技术领域。本发明解决了现有系统存在功耗大、集成度和智能化程度低、人机交互能力差的问题。本发明利用ESP32‑S3控制终端分析传感器采集的温度、湿度、气压、光照强度、光波长等数据,综合考虑植物生长情况、气象条件、生长阶段,采用深度神经网络模型推理计算出期望温度、湿度、CO2浓度、O2浓度,光照强度及光波长,再基于期望数据实现了对各农业生产设备的集成和智能化控制,通过ESP32‑S3的低功耗特点降低了能源消耗,并且具备人机交互能力。本发明方法可以应用于物联网智慧农业技术领域。
-
公开(公告)号:CN117393143B
公开(公告)日:2024-06-25
申请号:CN202311316888.5
申请日:2023-10-11
摘要: 本发明公开了一种基于图表示学习的环状RNA‑疾病关联预测方法、移动设备及存储介质,该方法包括:基于环状RNA及相关信息构建环状RNA的异构网络,所述异构网络包括环状RNA节点和疾病节点;将异构网络中各个节点的特征随机初始化后输入图表示学习模型,通过所述图表示学习模型按预设流程学习各个节点的表示向量;基于环状RNA节点的表示向量和疾病节点的表示向量的内积确定为对应环状RNA与疾病的关联预测得分。如此,通过图表示学习模型学习异构网络中各个节点的表示向量,再基于环状RNA节点和疾病节点的表示向量的内积确定关联预测得分,提高了异构网络构建的灵活性,使得图表示学习模型能获得更丰富的节点表示,提高了环状RNA‑疾病预测的准确性。
-
公开(公告)号:CN117153260B
公开(公告)日:2024-06-25
申请号:CN202311204657.5
申请日:2023-09-18
IPC分类号: G16B30/10 , G06F18/23 , G06F18/22 , G06F18/2135
摘要: 本发明公开了一种基于对比学习的空间转录组数据聚类方法、装置、设备及存储介质,该方法包括:基于空间转录组数据获得加权的特征矩阵和邻接矩阵并构建邻接图;将邻接图分别输入孪生网络结构两个编码器以学习第一节点表示和第二节点表示;基于第一节点表示、第二节点表示构建用于计算对比损失的正样本集;基于节点的软聚类分布和辅助分布计算聚类损失;通过对比损失和聚类损失指导模型训练进而获得聚类结果。通过孪生网络结构进行对比学习获得用于构建正样本集的节点表示,并计算对比损失和聚类损失,并基于节点间的对比损失和聚类损失指导模型训练,如此基于对比学习获得了针对基因转录组数据的数据聚类方法,提高了空间转录组数据聚类的针对性和准确性。
-
公开(公告)号:CN116884473B
公开(公告)日:2024-04-26
申请号:CN202310581243.8
申请日:2023-05-22
IPC分类号: G16B15/20 , G16B40/00 , G06F18/214 , G06F18/241
摘要: 本发明公开了一种蛋白质功能预测模型生成方法及装置,包括获取训练蛋白质的氨基酸三维原子坐标,并根据其进行图论方法生成蛋白质二维接触图;对训练蛋白质的氨基酸三维原子坐标进行算法处理获取第一特征矩阵,对蛋白质二维接触图进行算法处理获取第二特征矩阵,第一特征矩阵与训练蛋白质的氨基酸三维原子坐标中序列作用位点对应,第二特征矩阵与训练蛋白质的氨基酸三维原子坐标中结构作用折叠结构对应;根据第一特征矩阵和第二特征矩阵分别对应的数据标签训练预先构建的蛋白质功能分类器,得到蛋白质功能预测模型。通过将训练蛋白质的氨基酸结构和序列作为信息源提取特征,提高了预测模型对蛋白质功能的预测精度。
-
-
-
-
-
-
-
-
-