-
公开(公告)号：CN118397338A
公开(公告)日：2024-07-26
申请号：CN202410470934.5
申请日：2024-04-18
申请人： 大连东软信息学院
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0455 , G06V10/42 , G06V10/80
摘要： 本发明公开了一种基于神经网络的食谱智能生成方法，包括：构建食物图像数据集和食材语料库，并对食物图像进行预处理；构建环境特征提取编码器，对处理后的食物图像进行特征提取，得到图片特征张量；构建成分解码器，将图片特征张量和食材语料库中的食材相对应，得到经过成分解码的食材列表；构建成分编码器，将经过成分解码的食材列表通过成分编码器处理，得到食材特征张量；构建食谱解码器，通过食谱解码器将图片特征张量和食材特征张量通过拼接的方式进行融合，处理融合后的特征，得到最终的预测食谱步骤说明；本发明能够在环境去噪的条件下尽可能多地保留图像的核心特征信息，避免模型过拟合，提高模型的泛化能力，提高混合模型预测的精准度。
-
公开(公告)号：CN113034026A
公开(公告)日：2021-06-25
申请号：CN202110383136.5
申请日：2021-04-09
申请人： 大连东软信息学院
摘要： 本发明公开了基于Q‑learning和GA的多目标柔性作业车间调度自学习方法，采用分段编码规则，全局、局部和随机结合的机器选择方式初始化种群，采用基于Pareto支配关系的非劣解快速排序方法分配染色体解的适应度值，然后设计锦标赛和精英策略结合选择算子，设计对应的交叉和变异算子；在GA算法基础上结合增强机器学习中Q‑learning算法构建自学习模型，设计状态集、行动集、奖励方法、行动选择策略等，在染色体种群迭代间动态调整交叉概率Pc和变异概率Pm，从而，提高算法时间复杂度和解的精准度，进而提高车间生产的自适应性、可靠性以及智能化水平。
-
公开(公告)号：CN118824560A
公开(公告)日：2024-10-22
申请号：CN202410801742.8
申请日：2024-06-20
申请人： 大连东软信息学院
IPC分类号： G16H50/70 , G16H70/00 , G06N5/025 , G06N5/04 , G06F16/901 , G06F16/903 , G06F16/36
摘要： 本发明公开了一种基于大模型的营养素与疾病知识图谱的构建方法，包括：构建大模型和营养素疾病相关的提示词，将相关原始文本和提示词输入大模型，输出营养素、疾病名称和营养素与疾病之间关系的原始三元组数据集；构建营养素与疾病之间关系的提示词，将数据集和提示词输入大模型，得到三元组数据集；构建疾病编码本地向量数据库，读取疾病名称，查询对应的疾病编码，使用带编码的名称替换三元组数据集的疾病名称，得到新的三元组数据集；将新的三元组数据集导入图数据库，创建营养素、疾病名称及关系知识图谱；本发明能够提高创建营养素与疾病关系的效率和营养素与疾病实体对齐的准确性，得到高质量的知识图谱，为营养师提供更加准确的营养信息。
-
公开(公告)号：CN118447916A
公开(公告)日：2024-08-06
申请号：CN202410549449.7
申请日：2024-05-06
申请人： 大连东软信息学院
IPC分类号： G16B15/30 , G16B40/20 , G16B30/00 , G06F18/25 , G06F18/213 , G16C20/50 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/0464 , G06N3/082
摘要： 本发明公开了基于补丁编码和混合注意力的药物‑靶点亲和力预测方法，包括获取蛋白质序列和药物小分子的SMILES字符串并进行预处理，基于词向量方法和ESM编码方法对预处理后的蛋白质序列进行编码，对编码结果进行叠加后得到具有二通道的编码向量并执行Patch编码操作，基于词向量方法对SMILES字符串进行编码并执行Patch编码操作，基于混合注意力机制对不同张量的局部特征进行学习，基于双头长短期记忆模型分别对不同张量及其之间的依赖关系进行学习，并将学习后的结果进行融合并表示为药物‑靶点特征，构建亲和力预测模型，据亲和力预测模型获取药物与蛋白质之间的亲和力预测值。本发明有效提高了深度学习在药物小分子‑蛋白质靶标结合亲和力预测中的能力。
-
公开(公告)号：CN117831707A
公开(公告)日：2024-04-05
申请号：CN202410113410.0
申请日：2024-01-26
申请人： 大连东软信息学院
IPC分类号： G16H20/10 , G16H20/60 , G16H70/40 , G06F40/295 , G06F40/194 , G06F40/30 , G06F18/214 , G06N3/096
摘要： 本发明公开了一种基于BERT的食物、中草药成分与疾病、症状的关系提取方法，通过将实体标签标注的非结构化文本数据对搭建的BERT+CRF模型进行模型训练获取实体识别的BertNER模型，增加了在对实体训练和识别过程中精度，提高了识别效果；根据实体识别的BertNER模型对数据清洗后的论文集进行实体识别，并对初始实体关系提取数据集中的实体进行掩码处理并保存；采用BioBert模型对掩码处理后的数据集进行训练，以获取实体关系提取RE模型实现食物、中草药成分与疾病、症状的实体关系预测，并对预测数据进行数据后处理获得最终的实体关系提取数据集，实现了数据集的预标注，弥补了该任务缺乏注释数据的不足，为未来在没有专家对数据标注的情况下自动提取实体关系提供了有效方法。
-
公开(公告)号：CN113034026B
公开(公告)日：2023-10-24
申请号：CN202110383136.5
申请日：2021-04-09
申请人： 大连东软信息学院
IPC分类号： G06Q10/063 , G06Q10/04 , G06Q50/04 , G06N3/126
摘要： 本发明公开了基于Q‑learning和GA的多目标柔性作业车间调度自学习方法，采用分段编码规则，全局、局部和随机结合的机器选择方式初始化种群，采用基于Pareto支配关系的非劣解快速排序方法分配染色体解的适应度值，然后设计锦标赛和精英策略结合选择算子，设计对应的交叉和变异算子；在GA算法基础上结合增强机器学习中Q‑learning算法构建自学习模型，设计状态集、行动集、奖励方法、行动选择策略等，在染色体种群迭代间动态调整交叉概率Pc和变异概率Pm，从而，提高算法时间复杂度和解的精准度，进而提高车间生产的自适应性、可靠性以及智能化水平。
-
公开(公告)号：CN118052299A
公开(公告)日：2024-05-17
申请号：CN202410308238.4
申请日：2024-03-18
申请人： 大连东软信息学院
摘要： 本发明公开了一种高维非线性计算昂贵优化问题的自适应优化方法，所述方法包括以下步骤：根据备选代理模型动作集与备选进化算法动作集，选取基于备选代理模型动作与备选进化算法动作的动作组合，将动作组合作用于代谢网络；获取待真实评价点集中各样例点的奖惩结果，根据后代样例点集、所选动作组合以及奖惩结果获取元素{S12,ai,aj,r}并存入回放池，并根据回放池训练深度神经网络，得到最适合所述样例点集的最优动作组合，进而确认拟合实验数据最好的一组代谢网络参数值。本发明解决了现有基于代理的进化算法在优化过程不能自动选择确定优化算法结构中的关键步骤，因此无法用于有效解决高维非线性且计算昂贵优化问题的问题。
-
公开(公告)号：CN116880425A
公开(公告)日：2023-10-13
申请号：CN202311089367.0
申请日：2023-08-28
申请人： 大连东软信息学院
IPC分类号： G05B19/418
摘要： 本发明公开了基于Dueling架构深度强化学习的柔性作业车间实时调度方法，包括构建工件随机抵达的DFJSP数学模型，设计柔性作业车间环境状态空间，车间环境状态空间包括车间加工机床总数、单位时间独立加工工件到达平均数、新插入工件数、估计的机床平均利用率以及实际的机床平均利用率，设计调度分配规则，基于DFJSP数学模型设计即时奖励函数，设计行动策略，设计调度智能体，所述调度智能体包括一个在线网络和一个目标网络，设置重调度时刻并计算重调度时刻所需的工序数之和，根据工序数之和对车间进行调度。通过深度强化学习算法从不同生产状态中学习到最优调度行动，提高了机床利用率，在工件动态到达时刻有效地重调度和决策优化，能够进行实时调度。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.029 秒)
