检索结果-内蒙古大学图书馆

陕西师范大学学报(自然科学版) 2025年第1期53卷 45-59页

作者：王庆勇唐良贵王振宇辜丽川安徽农业大学信息与人工智能学院安徽合肥230036 安徽农业大学兽医病理生物学与疫病防控安徽省重点实验室安徽合肥230036 安徽农业大学智慧农业技术与装备安徽省重点实验室安徽合肥230036 安徽农业大学安徽省农情信息感知与智能计算工程研究中心安徽合肥230036

在药物发现的早期阶段,深度生成模型正逐渐成为分子设计的关键工具。简化分子线输入系统(simplified moleaclar input line entry system,SMILES)作为标准的化学表示法,被广泛用于模型训练与生成。然而,由于分子环系统线性表示的非唯一... 详细信息

在药物发现的早期阶段,深度生成模型正逐渐成为分子设计的关键工具。简化分子线输入系统(simplified moleaclar input line entry system,SMILES)作为标准的化学表示法,被广泛用于模型训练与生成。然而,由于分子环系统线性表示的非唯一性和非方向性,现有的单向编码器在捕捉样本全局语义结构和生成有效分子环时存在局限性。因此,提出一种名为Chemical RWKV BERT(ChemRB)的方法,旨在从海量的未标记数据中深度挖掘双向信息。为实现这一目标,创新性地设计了2个预训练任务:环级特征预测与全局跨度闭合预测。这些预训练任务不仅为模型提供了丰富多元的上下文信息,更进一步提升了其对复杂分子结构特性的深入理解。实验结果显示:ChemRB模型不仅在性能上取得了显著提升,而且在新分子/样本的评估指标上也达到了最优的基准性能。结果充分验证了ChemRB在精准捕获分子固有结构信息方面的有效性,为其在相关领域的应用提供了坚实的实证基础。最后,通过在EGFR抑制剂上的测试和应用,进一步验证了ChemRB模型的实用性和广泛应用前景。

关键词：分子建模分子生成分子环系统 SMILES 深度学习

来源：评论

学校读者我要写书评

暂无评论

科技文献篇章分析在文本摘要中的计算机应用

引用

淮南师范学院学报 2025年第2期27卷 131-135页

作者：孙璧凡辜丽川安徽农业大学信息与人工智能学院安徽合肥230036 安徽农业大学信息与计算机学院安徽合肥230036 智慧农业技术与装备安徽省重点实验室信息与人工智能学院安徽合肥230036 安徽省农情信息感知与智能计算工程研究中心信息与人工智能学院安徽合肥230036

文本摘要通常用于提炼大量文本的核心内容,但针对科技文献而非通用文本的专用摘要模型较少。文章提出一种面向科技文献中篇章结构的生成式文本摘要模型RTsum(Rhetorical Topic summarization model),其结合了语步结构分类模块,以科技文... 详细信息

文本摘要通常用于提炼大量文本的核心内容,但针对科技文献而非通用文本的专用摘要模型较少。文章提出一种面向科技文献中篇章结构的生成式文本摘要模型RTsum(Rhetorical Topic summarization model),其结合了语步结构分类模块,以科技文献的篇章结构信息引导深度学习中的神经主题模型,来获取更具有事实一致性的全局语义,从而形成高质量的文本摘要。具体来说,RTsum首先根据文章篇章信息对原始文档句子进行分类,再融合层次化的Transformer编码器(Hierarchical transformer encoder)和神经主题模(Neural topic model),不仅可以将文本的全局语义与语步结构信息相结合,还可以减少次优主题句的冗余,并通过语步分类优化的主题分布融入生成式摘要,增强科学文献摘要的质量。实验结果表明,在CORD-19和XSUM数据集上,RTsum模型生成的摘要准确率和事实一致性的相关指标分别取得最高7.68%和9.09%的提升,提升了科技文献生成式文本摘要的事实性和准确性。

关键词：生成式文本摘要领域文本分析深度学习语步分类自然语言处理

来源：评论

学校读者我要写书评

暂无评论

交通驾驶感知的多任务网络方法研究

引用

重庆工商大学学报(自然科学版) 2024年

作者：李政辜丽川安徽省农情信息感知与智能计算工程研究中心安徽农业大学信息与人工智能学院智慧农业技术与装备安徽省重点实验室

【目的】交通驾驶感知系统是自动驾驶技术的关键组成部分之一，该系统包含多个任务并且需要保证高实时性和高可靠性，针对现已有的方法存在目标检测效果差，在有部分遮挡的情况下目标区域语义分割不精确等问题，提出一种端到端的多任务... 详细信息

【目的】交通驾驶感知系统是自动驾驶技术的关键组成部分之一，该系统包含多个任务并且需要保证高实时性和高可靠性，针对现已有的方法存在目标检测效果差，在有部分遮挡的情况下目标区域语义分割不精确等问题，提出一种端到端的多任务网络模型MTNet用于完成交通驾驶感知系统中的可驾驶区域分割和车道线检测两项关键任务。【方法】在颈部网络设计中改进了特征金字塔FPN（Feature Pyramid Network）模块以获得更高效的检测性能；在网络结构中引入ELAN（Efficient Layer Aggregation Networks）结构和重参数化方法对原始卷积进行升级；根据不同任务的特点设计了更精准多任务损失函数，同时提出了更有效的训练策略。【结果】通过在BDD100k （Berkeley DeepDrive）数据集上进行大量实验，可驾驶区域分割任务的平均交并比（Mean Intersection over Union，mIoU）达到95.6 %，车道线检测任务的准确率（Accuracy）达到89.3 %。【结论】实验结果表明：MTNet展现出了对复杂背景干扰的鲁棒性，提升了目标检测分割的精确度。无论是白天还是夜晚，复杂还是简单的场景中都具有良好的检测分割效果。

关键词：多任务网络车道线检测可驾驶区域分割端到端训练

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：