高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
异构并行系统下时间能耗权衡优化的任务调度算法
本发明提出了一种基于时间-能耗重要性比重的并行任务调度算 法,在满足时间和能耗的双重限制下,实现异构并行系统下任务所用 时间和能耗的权衡优化。本发明考虑到实际情况中任务受各种因素的 影响,执行时间不是固定且确定的,而是近似于正态分布,因此在确 定任务调度顺序时,不采用以往技术中使用执行时间平均值的方法, 而是将执行时间的平均值和方差同时考虑进来使用近似权重。在任务 分配阶段,同时考虑时间和能耗这两个性能指标,并能根据
华中科技大学 2021-04-14
改进差分进化算法的电力系统无功优化方法
本发明公开了一种基于改进差分进化(IDE)算法的电力系统无功优化方法。包括以下步骤:建立电力系统无功优化模型;输入电网参数,形成初始种群,计算种群所有个体的适应度;对种群个体按适应度从大到小排序,设定前Ns个个体为优良群体;以优良群体为基向量,引导群体变异操作;提取优良群体信息,以此确定个体各维变量的交叉概率,指导种群的交叉操作,生成试验向量;比较试验向量与目标个体的适应度,优者成为下一代个体,从而生出新一代群体。本发明的方法收敛速度快、计算精度高、稳定性好、能有效地求解电力系统无功优化问题,可用于电力系统提高电力系统输电效率、降低网络损耗配置实时性运行控制中。
西南交通大学 2016-07-05
智能可视化优化技术
技术原理: 智能可视化优化技术综合应用智能建模与优化算法、可视化方法和计算机信息技术,将多维空间的数据降维映射在二维平面上,并生产目标函数的等值线,据此,可从二维平面上直观看到整个数据空间的超几何特性,并看出最优点和最优区域。 智能可视化优化技术是一种全新的基于数据驱动的优化技术,它具有其它技术不可比拟的独特优势。(智能可视化优化软件IVOS,中国软件著作权No.2011SR013087)。  功能与特性: (1)单目标和多目标优化: 对单目标优化问题,可确定出平稳的优化区域或最优点; 对于多目标的优化问题,可以确定出兼顾多个目标的满意区域; 对有指标控制(或约束)的优化问题,可确定出满足控制指标的优化区域。 (2)确定优化方向: 当最优点不在数据集空间时,可从映射平面上直观看出最优方向,并确定出沿此方向上推进时哪些变量在起主要作用。 (3)利用优化区域调整优化点:当某些优化参数对优化目标有重要影响,但它们的值又不可控时,可通过调节其它可控参数,使优化点在优化区域内移动到另一点。这种特性对于原料性质时常变化的反应过程的优化非常有用。 (4)特别适用于复杂反应单元(如催化裂化、加氢裂化、焦化、加氢精制、乙烯裂解、以及其它装置的反应单元)的反应产物的分布优化。 该技术是武汉理工大学鄢烈祥教授创立,研究团队近10多年来的研发成果。凝结了国家863计划课题、国家自然科学基金项目、科技部项目、湖北省自然科学基金项目、企业合作项目的研究成果,以及多位博士和硕士研究生的学术论文研究成果。
武汉理工大学 2021-05-11
研发Visionome技术算法可智能高效诊断多种眼病
与传统图片级分类标注方法相比,Visionome技术可多产生12倍标签,而这些标签训练出来的算法显示了更好的诊断性能。基于此技术,团队训练出可准确识别多种眼前段病变的裂隙灯图像智能评估系统,可应用于大规模筛查、综合分诊、专家级评估、多路径诊疗建议等多个临床场景。不仅在回顾性数据集中表现出眼科专家级别的诊断水平,在前瞻性数据集中也表现出色。使用者通过在Visionome诊断系统中上传眼前段图像,即能一次获得多个部位的全方位诊断,与传统的人工智能算法相比,Visionome系统可生成更加全面、精细、具体的报告,真正让医学人工智能应用揭开神秘的面纱,成为一个接地气的“医生”。
中山大学 2021-04-13
转炉煤气回收智能优化控制技术
成果简介转炉钢水冶炼过程中会产生大量含氧化铁粉尘的高温烟气, 其主要成分为一氧化碳, 是一种热值较高的工业燃料, 如不进行有效回收处理和控制排放, 不仅污染大气环境, 还会造成能源浪费。 转炉煤气回收是把转炉生产过程中的副产品CO 进行回收再利用的生产工艺, 它将高温烟气通过汽化烟道进行冷却、 净化处理后, 得到可回收的转炉煤气, 其经济价值和社会效益不言而喻。目前国内炼钢企业的转炉煤气回收系统由于部分技术装备及控制方法比较落后, 煤气回收和烟气减排效果差。 本项目采用滑
安徽工业大学 2021-04-14
人工智能药物筛选、药物设计及毒性预测算法
本成果采用最新的深度学习和分子模拟算法,结合新一代分子特征化方法,开发了多种计算机模型,可用于药物开发中的多个阶段,为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果:1.药物毒性预测方法:传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型,这些方法不仅耗费大量时间,而且成本很高。使用计算模型进行有机化合物的毒性预测,所需投入较少,但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型,甚至能够在化合物合成之前就对其进行预测,大大提高了效率,使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选,能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法,运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器,这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起,我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向,我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型,以及糖尿病早期筛查模型的开发,正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文(Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80,ESI 1%高被引论文;Ai H., et al. Toxicological Sciences, 2018, 165: 100-107;Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377;Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78;Liu M., et al. Toxicology Letters. 2020, 332: 88-96;Feng H., et al. Toxicology Letters. 2021, 340: 4-14;Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.)致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法:在计算机上对药物靶点和药物分子的结构和活性建模,计算药物与靶点之间的相互作用关系,从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导,减少需要通过实验评估的候选药物的数量,从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究,正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法:长非编码RNA(lncRNA)是一种长度在200nt至100,000nt之间的非编码RNA,是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为:RWLPAP(随机游走),LPI-NRLMF(邻域正则化逻辑矩阵分解),IRWNRLPI(集成随机游走和邻域规则化Logistic矩阵分解),LPI-BNPRA(双向网络投影推荐算法),LPI-ETSLP(基于特征值变换的半监督链路预测),HLPI-Ensemble(集成学习)。在交叉验证中,我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权:
辽宁大学 2021-04-10
人工智能药物筛选、药物设计及毒性预测算法
本成果采用最新的深度学习和分子模拟算法,结合新一代分子特征化方法,开发了多种计算机模型,可用于药物开发中的多个阶段,为药物的快速设计开发提供一个完整的基于人工智能的解决方案。 成果:1.药物毒性预测方法:传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型,这些方法不仅耗费大量时间,而且成本很高。使用计算模型进行有机化合物的毒性预测,所需投入较少,但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型,甚至能够在化合物合成之前就对其进行预测,大大提高了效率,使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选,能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法,运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器,这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起,我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向,我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型,以及糖尿病早期筛查模型的开发,正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文(Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80,ESI 1%高被引论文;Ai H., et al. Toxicological Sciences, 2018, 165: 100-107;Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377;Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78;Liu M., et al. Toxicology Letters. 2020, 332: 88-96;Feng H., et al. Toxicology Letters. 2021, 340: 4-14;Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.) 致癌性预测服务器首页 致癌性预测结果页 相关综述对本服务器的介绍 RF-hERG-Score预测药物引起的hERG相关心脏毒性 2.药物设计方法:在计算机上对药物靶点和药物分子的结构和活性建模,计算药物与靶点之间的相互作用关系,从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导,减少需要通过实验评估的候选药物的数量,从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究,正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。 特异性重打分函数显著虚拟筛选性能显著较高 筛选出两个候选抑制剂 3.药物靶点识别方法:长非编码RNA(lncRNA)是一种长度在200nt至100,000nt之间的非编码RNA,是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为:RWLPAP(随机游走),LPI-NRLMF(邻域正则化逻辑矩阵分解),IRWNRLPI(集成随机游走和邻域规则化Logistic矩阵分解),LPI-BNPRA(双向网络投影推荐算法),LPI-ETSLP(基于特征值变换的半监督链路预测),HLPI-Ensemble(集成学习)。在交叉验证中,我们的模型获得了较好的预测性能。 lncRNA-蛋白质相互作用预测模型的性能比较 lncRNA-蛋白质相互作用预测服务器相关软件著作权:
辽宁大学 2021-05-10
基于人工智能算法的电弧放电检测系统
在串联回路中,当电弧或放电现象发生时,对电流进行频谱分析,根据电流 的频谱特征变化来确定是否有电弧发生,提供预警信息或保护动作。为了防止在 开关的瞬间或受到其他脉冲电流的干扰造成电弧故障检测电路误动作,同时在频谱分析的基础上综合电弧时间长短等其他特性作为电弧故障的判据。系统的硬件 部分包含电流检测、滤波、故障特征提取等模块。软件部分包含信号采集、信号 处理、故障判别等模块,并综合时间等其他因素降低误报率,提高检测系统的可 靠性。在算法中,采用了人工智能算法以提高系统的适应性。主要成果包
上海理工大学 2021-01-12
智能服务语义理解与优化调度
针对目前智能服务系统在服务过程中存在的人机交互语 义理解不够深入、服务适配实时性差、以及智能化优化不足 等问题,利用深度学习、强化学习、知识图谱等技术手段, 重点研究:1)高效低成本的服务数据获取方法,为各类基 于机器学习的服务模型提供高质量训练数据;2)面向服务 过程的深度语义理解,包括服务意图识别、服务过程抽取、 事件检测等;3)面向复杂服务需求的服务任务智能调度, 结合具体服务场景展开基于多目标多约束的智能优化。
浙江工业大学 2021-05-06
热电联产机组智能优化控制的研究
科研领域及方向        热能与动力工程 / 先进控制策略在热工过程自动控制方面的应用研究项目概况    本项目主要针对众多热电联产机组在实施自动控制时所存在的问题,采用先进的智能优化控制理论,研究能较好地解决热、电负荷优化控制问题的先进控制系统,具体包括:热电联产机组热电负荷协调优化控制;锅炉母管蒸汽压力的优化控制;机组主汽温度的优化控制等。主要特点 传统控制和现代控制在提高热工对象的控制品质上已作了大量的努力,但对于一些复杂对象的控制效果仍欠佳。本项目对人工免疫系统这一新的智能理论进行了研究,并与传统的PID控制、模糊控制、预测控制等方法相结合,将新的思想与传统及成熟的控制理论有机结合,应用于解决实际复杂热工过程的优化控制,以期取得良好控制效果。技术指标     着眼于热电厂母管制机组实现热、电负荷整体优化控制需要解决的的一些关键问题,针对现有控制系统的不足,研究更为有效的基于免疫算法、多Agent技术和预测控制方法等的智能优化控制系统。市场前景本项目研究成果对改善中小电厂锅炉燃烧自动控制的现状,提高其锅炉自动投入率和经济效益,以及节约能源都具有重要意义。此外,还将有力地促进人工免疫技术的发展及其在热工过程控制中的应用,并为类似分布式复杂系统的控制提供借鉴。
南京工程学院 2021-04-11
首页 上一页 1 2 3 4 5 6
  • ...
  • 223 224 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1