搜索结果: 1-15 共查到“计算神经网络 模型”相关记录137条 . 查询时间(2.711 秒)
广东省重点领域研发计划项目《高效可解释性神经网络模型及理论研究》通过验收（图）
广东省 神经网络 模型
2023/9/8
2023年6月28日上午，广东省重点领域研发计划新一代人工智能专项项目《高效可解释性神经网络模型及理论研究》（编号：2018B010107001）验收会在软件学院B7栋303室举行。广东省科学技术厅专家王欢和商惠敏，验收专家张振华教授等五人，华南理工大学科研院谭锦才科长、软件学院副院长刘飞教授、项目负责人谭明奎教授以及项目参与单位相关负责人参与会议。
随着高通量质谱技术的高速发展，科研人员可快速从蛋白质组学中挖掘到翻译后修饰数据信息。在翻译后修饰组学研究中，磷酸化（Phosphorylation）修饰因作为涉及蛋白质范围最广泛以及修饰位点数量最多的修饰类型而备受关注。磷酸化修饰通过影响蛋白质的活性、蛋白质-蛋白质相互作用以及蛋白质细胞内定位等方式调节蛋白质的功能。随着组学技术的发展以及精准医学概念的提出，蛋白质的磷酸化异常与癌症、神经退行性疾病...
本发明涉及基于BP神经网络预测二肽模型多极展开属性计算方法，包括以下步骤：通过量子力学计算软件Gaussian优化不同二肽构象的结构，并计算其物理化学参数及原子间相互距离；选择部分二肽构象的原子的物理化学参数以及原子间相互距离训练BP神经网络，得到BP神经网络的物理化学参数；并通过剩余的二肽构象作为测试集验证BP神经网络的预测结果。本发明通过BP神经网络预测代替量子力学计算Gaussian软件进行...
属性网络异常检测在网络安全、电子商务和金融交易等领域中具有重要的理论与现实意义,近年来受到了越来越多的关注.大多数异常检测方法凭借网络有限的属性或结构信息进行决策生成,往往难以对异常模式做出可靠的描述.此外,网络节点对应的实体往往关联着丰富的领域知识,这些知识对于异常的识别具有重要的潜在价值。
中国科学院西安光学精密机械研究所专利：融合神经元模型、神经网络结构及训练、推理方法、存储介质和设备
一种空间几何角度最大化的随机增量学习模型及应用
随机权神经网络 增量学习 空间几何角度最大化约束 无限逼近性
2023/6/20
针对随机权神经网络(Random weight neural networks,RWNNs)隐含层节点随机生成过程可解释性不足和节点随机生成而导致的网络结构不紧致等问题,提出了一种空间几何角度最大化随机增量学习模型(Stochastic incremental learning model with maximizing spatial geometry angle,SGA-SIM).首先,以空间...
2023年4月17日，研究所郝沛课题组和中国科学院分子植物科学卓越创新中心李轩课题组合作，在国际学术期刊《Genome Biology》发表了题为“DeepEdit: single-molecule detection and phasing of A-to-I RNA editing events using nanopore direct RNA sequencing”的研究论文。该研究利用深...
中国科学院声学研究所专利：一种神经网络声学模型的分布式并行训练方法及系统
中国科学院软件所提出图神经网络模型实现MaxSAT问题求解优化
软件所 图神经网络模型 MaxSAT
2023/3/14
中国科学院软件研究所计算机科学国家重点实验室博士研究生刘明昊针对人工智能和理论计算机科学中的基础问题之一——最大可满足性问题（MaxSAT），提出了一种基于图神经网络的深度学习系统，在求解大规模的困难MaxSAT实例时可以快速获得更高质量的解。
中国科学院软件研究所计算机科学国家重点实验室的博士生刘明昊，针对人工智能和理论计算机科学中的基础问题之一——最大可满足性问题（MaxSAT），提出了一种基于图神经网络的深度学习系统,在求解大规模的困难MaxSAT实例时可以快速获得更高质量的解。该研究成果以“Can Graph Neural Networks Learn to Solve the MaxSAT Problem?”为题发表在人工智能领...
近日，中国科学院中国科学院自动化研究所脑图谱与类脑智能实验室李国齐研究员与西安交通大学赵广社教授合作在人工智能顶级国际期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）上发表了一篇题为“Attention Spiking Neural Networks”的研究。这项工作将注意力机制融入百万级规模脉冲神经网络...
融合预训练语言模型和标签依赖知识的关系抽取方法
关系抽取 预训练模型 标签依赖 图卷积神经网络
2022/2/28
关系抽取旨在从未经标注的自由文本中抽取实体间的关系。然而,现有的方法大都孤立地预测每一个关系而未考虑关系标签相互之间的丰富语义关联。该文提出了一种融合预训练语言模型和标签依赖知识的关系抽取模型。该模型通过预训练模型BERT编码得到句子和两个目标实体的语义信息,使用图卷积网络建模关系标签之间的依赖图,并结合上述信息指导最终的关系分类。实验结果显示,该文方法性能相较于基线方法得到了显著提高。
基于机器学习预测化合物性能的方法在材料研发的虚拟筛选中发挥着重要作用。现有方法通过人工提取特征构建传统机器学习模型，存在着特征提取困难以及难以处理简化分子线性输入(SMILES)码等问题。为了解决这些问题，本文提出了一种端到端的图神经网络预测树脂材料高温性能的方法。首先将树脂材料的SMILES码表示为图形，其中顶点代表原子，边代表化学键；然后通过构建分子图的图神经网络得到分子的向量表示；最后通过构...