-
公开(公告)号：CN114758729A
公开(公告)日：2022-07-15
申请号：CN202110031384.3
申请日：2021-01-11
申请人： 腾讯科技(深圳)有限公司 , 清华大学
摘要： 本申请公开了一种属性预测模型的训练方法、属性预测方法、装置及设备，涉及化学分子属性预测领域。该方法包括：获取第一组样本数据，第一组样本数据包括第一化学物质和第一化学物质的结构标签，结构标签用于描述化学物质中的原子结构；基于第一组样本数据训练得到预训练模型，预训练模型用于根据输入的化学物质输出化学物质的结构标签；获取第二组样本数据，第二组样本数据包括第二化学物质和第二化学物质的属性标签，属性标签用于描述化学物质的性质；基于第二组样本数据和预训练模型训练得到属性预测模型，属性预测模型用于根据输入的化学物质输出化学物质的属性标签。该方法可以减少训练属性预测模型所需的有标签数据量。
-
公开(公告)号：CN114724643B
公开(公告)日：2024-08-30
申请号：CN202110013890.X
申请日：2021-01-06
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G16C20/30
摘要： 本申请公开了一种多肽化合物的筛选方法以及相关装置，应用于人工智能领域。通过获取多肽生成模型；然后基于多肽生成模型生成至少一个多肽序列，多肽生成模型包括编码层与解码层，编码层用于根据训练数据生成隐空间，隐空间用于提供采样点，多肽序列基于解码层对采样点解码所得；进而将多肽序列输入活性预测模型，以得到活性预测信息。从而实现快速且准确的多肽化合物活性筛选过程，由于活性预测模型的输入采用多肽生成模型中的特征维度采样所得的多肽序列，保证了采样的有效性，且无需人工进行，进一步提高了多肽化合物筛选的准确性。
-
公开(公告)号：CN114326987B
公开(公告)日：2023-10-20
申请号：CN202111172827.7
申请日：2021-10-08
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请提供了一种制冷系统控制及模型训练方法、装置、设备及存储介质，该方法包括：获取制冷系统中的不可调整参数在第一时刻的数值；将不可调整参数在第一时刻的数值输入控制策略模型中，得到制冷系统中的可调整参数在第一时刻的调整量预测值；根据可调整参数在第一时刻的调整量预测值，对可调整参数进行调整。其中，控制策略模型是以可调整参数在第t时刻的调整量和不可调整参数在第t时刻的数值为输入，以第t+1时刻的总功率真值和总制冷量真值为目标训练得到的，使得制冷系统根据控制策略模型预测出的可调整参数的调整量，进行参数调整后，可以保证制冷系统产生足够的制冷量的基础上，降低制冷系统的能耗。
-
公开(公告)号：CN110197207B
公开(公告)日：2023-04-07
申请号：CN201910395547.9
申请日：2019-05-13
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06F18/2415
摘要： 本公开提供了一种对未归类用户群进行归类的方法及相关装置，所述方法包括：基于已归类用户群和未归类用户群中的各用户群内部用户之间的好友关系、每个用户群的群特征，确定每个用户群的群向量、和将各未归类用户群确定为预定类型的用户群的第一概率，并将各已归类用户群确定为预定类型的用户群的第一概率设为固定值；基于已归类用户群和未归类用户群中的各用户群之间用户之间的好友关系、确定的各用户群的群向量、和将各用户群确定为预定类型的用户群的第一概率，确定将各未归类用户群确定为预定类型的用户群的第二概率；根据未归类用户群的第二概率，将所述未归类用户群归类。本公开实施例能够提高对未归类用户群归类的准确率与召回率。
-
公开(公告)号：CN109978142B
公开(公告)日：2022-11-29
申请号：CN201910248461.3
申请日：2019-03-29
申请人： 腾讯科技(深圳)有限公司
IPC分类号： G06N3/04
摘要： 本发明实施例公开了一种神经网络模型压缩的方法和装置。方法包括：将神经网络模型分解为包括通道的计算操作；在保持计算操作和通道所形成的结构不变的情况下，训练神经网络模型以更新计算操作的参数；在保持计算操作的参数不变的情况下，训练神经网络模型以更新计算操作和通道分别对应的权重；基于更新后的权重删除冗余的计算操作，并在保留的计算操作中删除冗余的通道；基于保留的计算操作、相应的通道以及参数，构造压缩后的神经网络模型。通过本发明实施例能够有效简化神经网络模型。
-
公开(公告)号：CN110263780B
公开(公告)日：2022-09-02
申请号：CN201811278487.4
申请日：2018-10-30
申请人： 腾讯科技(深圳)有限公司 , 深圳市腾讯计算机系统有限公司
IPC分类号： G06V10/24 , G06K9/62 , G06N3/04 , G06V10/764
摘要： 本发明揭示了一种实现异构图识别、实现分子空间结构所对应性质识别的方法、装置和机器设备。所述方法包括：对异构图进行所包含拓扑结构的特征描述生成特征信息；通过对所述异构图的采样以及所述特征信息，生成所述异构图所包含拓扑结构上对应于关键节点的特征向量；聚合处理所述特征向量生成所述异构图对应的图表示向量；根据所述图表示向量进行所述异构图的分类处理获得分类预测结果。这将使得异构图，例如分子空间结构所对应图形化表示的识别能够通过神经网络实现，有效提升了异构图所相关的分析处理性能，也将使得神经网络不再仅限于网络数据的分类识别，应用场景得到极大扩展。
-
公开(公告)号：CN111260074B
公开(公告)日：2022-07-19
申请号：CN202010024388.4
申请日：2020-01-09
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请公开了一种超参数确定的方法，用于提升超参数的配置效率。本申请包括：获取目标数据集合；基于目标数据集合，通过编码器获取超参搜索特征集合；基于超参搜索特征集合以及至少一个待预测超参数配置，通过注意力机制模块获取至少一个特征表示结果；基于特征表示结果以及至少一个待预测超参数配置，通过解码器获取至少一个性能预测结果；根据至少一个性能预测结果，从至少一个待预测超参数配置中确定目标超参数配置。本申请中采用神经过程输出性能预测结果，将较优的性能预测结果所对应的待预测超参数配置作为最终的目标超参数配置，整个过程相较于高斯过程的复杂度更低，从而提升超参数的配置效率。
-
公开(公告)号：CN109697460B
公开(公告)日：2021-06-29
申请号：CN201811479732.8
申请日：2018-12-05
申请人： 华中科技大学 , 腾讯科技(深圳)有限公司
摘要： 本申请涉及一种目标对象检测方法、装置、计算机可读存储介质和计算机设备，该方法包括：获取待检测图像；将待检测图像输入至目标对象检测模型，目标对象检测模型是通过训练损失值对初始对象检测模型进行参数调整得到的，其中，训练损失值是根据第一区域和第二区域确定的目标像素点计算得到的，第一区域和所述第二区域是根据训练样本图像中目标类型对象的样本质心的位置确定得到的；目标对象检测模型生成待检测图像对应的预测图，预测图描述待检测图像的各个像素点属于目标检测对象的关系度；对预测图进行区域分割得到目标检测对象区域。此外，还提供了一种对象检测模型训练方法、装置、计算机可读存储介质和计算机设备。
-
公开(公告)号：CN112420124A
公开(公告)日：2021-02-26
申请号：CN202110065836.X
申请日：2021-01-19
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请公开了一种数据处理方法、装置、计算机设备和存储介质，该方法包括：获取参考蛋白物质的蛋白属性信息；参考蛋白物质包括蛋白调整区域；将蛋白属性信息输入蛋白预测模型，在蛋白预测模型中生成参考蛋白物质的蛋白调整区域处的预测蛋白片段；蛋白预测模型基于靶点蛋白物质训练得到；蛋白预测模型用于预测与靶点蛋白物质相结合的蛋白物质；在蛋白片段数据库中匹配预测蛋白片段的相似蛋白片段；对相似蛋白片段和参考蛋白物质进行虚拟合成，得到合成物质辅助信息；合成物质辅助信息用于辅助生成与靶点蛋白物质相结合的抗体蛋白物质。采用本申请，可提高获取抗体蛋白物质的效率。
-
公开(公告)号：CN110706738B
公开(公告)日：2020-11-20
申请号：CN201911042649.9
申请日：2019-10-30
申请人： 腾讯科技(深圳)有限公司
摘要： 本申请是关于一种蛋白质的结构信息预测方法、装置、设备及存储介质，涉及生物信息技术领域。该方法包括：通过对蛋白质的氨基酸序列在第一数据库中进行序列对齐查询，获得多序列对齐数据，并对多序列对齐数据进行特征提取，获得初始序列特征后，通过一个序列特征扩增模型对初始序列特征进行处理，获得蛋白质的扩增序列特征，然后根据扩增序列特征预测蛋白质的结构信息。上述方案能够在基于人工智能预测蛋白质的结构信息时，在保证蛋白质的结构信息的预测准确度的情况下，提高蛋白质的结构信息的预测效率。
-
-
-
-
-
-
-
-
-
搜索结果
118 条记录 (耗时 0.249 秒)
