检索结果-内蒙古大学图书馆

病毒学报 2024年第5期40卷 1121-1136页

作者：任碧燕刘璐舒坤贤曾垂省代劲刘川李娜重庆邮电大学生命健康信息科学与工程学院大数据生物智能重庆市重点实验室重庆400065 重庆邮电大学软件工程学院重庆400065

宿主与病原体之间的蛋白质-蛋白质互作(Host-pathogen protein-protein interaction,HP-PPI)是病原体感染宿主的关键分子事件,准确识别HP-PPI对于理解宿主的免疫防御机制、病原体的致病机制,以及研发抗感染药物都具有重要意义。近年来,... 详细信息

宿主与病原体之间的蛋白质-蛋白质互作(Host-pathogen protein-protein interaction,HP-PPI)是病原体感染宿主的关键分子事件,准确识别HP-PPI对于理解宿主的免疫防御机制、病原体的致病机制,以及研发抗感染药物都具有重要意义。近年来,蛋白质互作实验技术的发展及其在宿主与病原体互作研究中的应用,积累了大量的HPPPI数据,于是人工智能技术逐渐在HP-PPI预测研究领域中脱颖而出。本文综述了人工智能方法在HP-PPI预测研究领域中的应用,首先介绍了基于人工智能方法识别HP-PPI的任务流程,总结了收录HP-PPI数据的常用数据库;然后重点对机器学习和深度学习两大类人工智能方法在HP-PPI预测研究领域中的应用进行分类归纳,介绍了部分经典算法模型的基本原理、特征选择和模型评估结果等;最后,分析了人工智能方法预测HP-PPI面临的问题及挑战,以期为宿主与病原体互作研究领域的科研人员提供思路和参考。

关键词：宿主-病原体互作蛋白质-蛋白质互作机器学习深度学习

来源：评论

学校读者我要写书评

暂无评论

基于边缘优化和全局建模的多路径语义分割

引用

计算机科学 2023年第S01期50卷 421-427页

作者：陈乔松张羽蒲柳谭冲冲邓欣王进孙开伟欧阳卫华重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室重庆400065 重庆邮电大学自动化学院重庆400065

目前的语义分割卷积网络中,空间信息和细节信息随着卷积层的加深而逐渐丢失,造成物体边界和细小物体的分割效果不准确。同时,卷积的局部特征能力限制了网络获取有效的全局建模能力,造成物体内部分割混淆。针对这些问题,文中设计了基于... 详细信息

目前的语义分割卷积网络中,空间信息和细节信息随着卷积层的加深而逐渐丢失,造成物体边界和细小物体的分割效果不准确。同时,卷积的局部特征能力限制了网络获取有效的全局建模能力,造成物体内部分割混淆。针对这些问题,文中设计了基于边缘优化和全局建模的多路径语义分割算法。该算法提出了多路径邻近错位融合的网络,4条不同的分辨率路径邻近之间细节信息融会,高分辨率路径尾部与低分辨率路径首部间的语义信息交融,以此减少空间信息和细节信息的丢失。文中提出了自适应边缘特征模块得到边缘特征,融入网络中间层和深度监督层,增强边缘特征的表达能力和细小物体的分割效果,提出了Transformer全局特征模块,采用不同卷积进行下采样操作,缩短自注意力序列的长度,再融合通道信息与自注意力信息,从而获取有效的高层语义的全局信息。实验结果表明,在CamVid测试集和Cityscapes验证集上mIoU值分别达到76.2%和79.1%。

关键词：语义分割多路径边缘优化深度监督全局建模

来源：评论

学校读者我要写书评

暂无评论

基于多边形特征池化与融合的复杂文本检测

引用

西安电子科技大学学报 2024年第3期51卷 113-123页

作者：张相南高新波田春娜西安电子科技大学电子工程学院陕西西安710071 重庆邮电大学计算机科学与技术学院图像认知重庆市重点实验室重庆400065

文本检测在图像理解中发挥着重要的作用。基于深度学习的文本检测是当前的主流算法,包括单阶段方法和双阶段方法两类,而且后者的检测精度往往高于前者。双阶段的检测方法通常包含感兴趣区域特征池化操作,为进一步的检测和识别任务提供... 详细信息

文本检测在图像理解中发挥着重要的作用。基于深度学习的文本检测是当前的主流算法,包括单阶段方法和双阶段方法两类,而且后者的检测精度往往高于前者。双阶段的检测方法通常包含感兴趣区域特征池化操作,为进一步的检测和识别任务提供特定维度的局部区域特征。然而对于弯曲文本等复杂文本区域来说,现有的基于矩形感兴趣区域的池化方法不再适用,而基于点特征替代区域特征的方法又损失了空间信息。针对该问题,提出了一种基于多边形特征池化和Transformer的复杂文本区域检测方法。首先,将复杂文本区域检测中感兴趣区域进行多边形特征池化,将池化操作的区域形状从矩形拓展到多边形并且不需要借助其他形状进行拟合,即可将多边形区域对应的特征池化为固定维度的特征序列,避免了拟合过程中出现误差。进而,将池化后的特征视为具有空间关系的序列,然后利用Transformer融合视觉特征之间的上下文关系,降低训练难度,提升检测精确度。在包含弯曲文本等复杂文本情况的ICDAR2015、MLT、Total Text和CTW1500数据集上的测试实验结果表明,提出的双阶段检测算法能更好地提取感兴趣区域特征,并取得了比现有方法更好的检测结果。

关键词：文本检测双阶段方法多边形特征池化 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于浅层空间特征融合与自适应通道筛选的目标检测方法

引用

江苏大学学报（自然科学版） 2022年第1期43卷 67-74页

作者：陈乔松周丽毛彦嵋王进邓欣重庆邮电大学数据工程与可视计算重点实验室重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

为解决加深主干网络造成的检测速度下降问题,提出了一种基于特征融合与通道筛选的目标检测方法.首先,该方法合理地复用了每个下采样阶段内的子空间信息,在每个下采样阶段,利用所设计的8倍、4倍、2倍下采样模块进行特征融合.然后,将融合... 详细信息

为解决加深主干网络造成的检测速度下降问题,提出了一种基于特征融合与通道筛选的目标检测方法.首先,该方法合理地复用了每个下采样阶段内的子空间信息,在每个下采样阶段,利用所设计的8倍、4倍、2倍下采样模块进行特征融合.然后,将融合后的特征图谱进行自适应通道筛选后组装到SSD的网络中,强化全局信息在目标检测模型中的作用.最后,设计了基于余弦距离的分类损失函数,使目标分类的准确度更高.以VGG网络为主干网络,参照SSD目标检测网络,加入了提出的下采样特征融合模块、自适应通道筛选模块以及改进的损失函数,进行了多组对比试验.结果表明,当网络的图像输入尺寸为512×512时,该方法在Pascal VOC 2007与Pascal VOC 2012数据集上对于目标检测的平均精度均值达到了82.2%,优于所对比的单级目标检测模型.该方法在保证实时检测速度的条件下,达到与拥有较深主干网络的检测模型同级别的性能.

关键词：目标检测实时性单级特征融合通道筛选轻量级

来源：评论

学校读者我要写书评

暂无评论

基于IoU约束的孪生网络目标跟踪方法

引用

北京航空航天大学学报 2022年第8期48卷 1390-1398页

作者：周丽芳刘金兰李伟生雷帮军何宇王一涵重庆邮电大学软件工程学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学图像认知重庆市重点实验室重庆400065 三峡大学水电工程智能视觉监测湖北省重点实验室宜昌443002

基于孪生网络的跟踪方法通过离线训练跟踪模型,不需要对跟踪模型进行在线更新,兼顾了跟踪精度和速度。现有孪生网络目标跟踪方法使用固定阈值选择正负训练样本易造成训练样本漏选问题,且训练时分类分支和回归分支之间存在低相关性问题,... 详细信息

基于孪生网络的跟踪方法通过离线训练跟踪模型,不需要对跟踪模型进行在线更新,兼顾了跟踪精度和速度。现有孪生网络目标跟踪方法使用固定阈值选择正负训练样本易造成训练样本漏选问题,且训练时分类分支和回归分支之间存在低相关性问题,不利于训练出高精度的跟踪模型。为此,提出了一种基于交并比(IoU)约束的孪生网络目标跟踪方法。通过使用动态阈值策略根据预定义锚框与目标真实框的相关统计特征,动态调整正负训练样本的界定阈值,提升跟踪精度。所提方法使用IoU质量评估分支代替分类分支,通过锚框与目标真实框之间的IoU反映目标位置,提升跟踪精度,降低模型的参数量。在数据集VOT2016、OTB-100、VOT2019、UAV123上进行了对比实验,所提方法均有较好的表现。在VOT2016数据集上,所提方法的跟踪精度比SiamRPN方法高0.017,期望平均重叠率为0.463,与SiamRPN++相比仅差0.001,实时运行速度可达220帧/s。

关键词：目标跟踪深度学习孪生网络交并比(IoU)约束动态阈值

来源：评论

学校读者我要写书评

暂无评论

跨膜蛋白 68不同于二酰甘油酰基转移酶合成三酰甘油和形成脂滴(英文)

引用

生物化学与生物物理进展 2024年

作者：余庆付洋洋曾繁思逄慧敏黄飞飞常平安重庆邮电大学生命健康信息科学与工程学院重庆市大数据生物智能重点实验室

目的表征一条替代三酰甘油（TAG）生物合成途径中的跨膜蛋白（TMEM68），并确定TMEM68与经典TAG合成酶酰基辅酶A:二酰甘油酰基转移酶（DGAT）之间的相互作用。方法通过比较DGAT抑制剂处理与否的脂滴形态，油红O染色面积以及TAG水平，... 详细信息

目的表征一条替代三酰甘油（TAG）生物合成途径中的跨膜蛋白（TMEM68），并确定TMEM68与经典TAG合成酶酰基辅酶A:二酰甘油酰基转移酶（DGAT）之间的相互作用。方法通过比较DGAT抑制剂处理与否的脂滴形态，油红O染色面积以及TAG水平，研究外源脂肪酸和单酰甘油对TMEM68过表达和敲除细胞的TAG合成和脂滴形成的影响。脂滴采用荧光染料染色并使用共聚焦荧光显微术观察。TAG水平使用基于酶法的脂肪检测试剂盒测定。TMEM68和DGAT1的共定位通过共表达和共聚焦荧光显微术检测，并采用免疫共沉淀检测它们的相互作用。采用RT-qPCR和免疫印迹法检测DGAT1的表达。结果 TMEM68催化的TAG合成不依赖DGAT活性。在人神经母细胞瘤细胞中，外源脂肪酸和单酰基甘油主要通过DGAT促进TAG合成。TMEM68 与 DGAT形成的脂滴具有不同的形态。此外，TMEM68 和 DGAT1在同一内质网（ER）区室共定位，但不发生物理相互作用。TMEM68 的过表达降低了参与 TAG 合成的主要 DGAT 酶 DGAT1 的表达，然而TMEM68敲除没有影响。结论 TMEM68介导的TAG合成途径具有不同于经典DGAT通路的特征，然而TMEM68和DGAT可能共同调控细胞内TAG水平。

关键词：三酰甘油脂滴跨膜蛋白68 二酰甘油酰基转移酶

来源：评论

学校读者我要写书评

暂无评论

结合整体注意力与分形稠密特征的图像超分辨率重建

引用

计算机工程 2022年第11期48卷 207-214,223页

作者：陈乔松蒲柳张羽孙开伟邓欣王进重庆邮电大学计算机科学与技术学院数据工程与可视计算重庆市重点实验室重庆400065

现有单图像超分辨率模型普遍基于卷积神经网络且使用单一尺度的卷积核提取特征信息,容易造成细节信息遗漏并降低网络表征能力。为有效提取高频信息同时提高图像重建性能,提出一种基于整体注意力机制与分形稠密特征增强的图像超分辨率重... 详细信息

现有单图像超分辨率模型普遍基于卷积神经网络且使用单一尺度的卷积核提取特征信息,容易造成细节信息遗漏并降低网络表征能力。为有效提取高频信息同时提高图像重建性能,提出一种基于整体注意力机制与分形稠密特征增强的图像超分辨率重建模型。在特征增强过程中,级联9个分形稠密特征增强模块,每个模块通过4条分支路径提取和融合多尺度特征,并引入局部稠密跳跃连接传递信息以获取更丰富的细节信息。引入整体注意力机制,从3个维度出发建立特征图之间的关联关系,通过对不同通道、空间和层次的特征进行加权和选择性聚合为特征图分配不同的权重,从而提高模型判别学习能力。在Set5、Set14、BSDS100和Urban100数据集上的实验结果表明,该模型可有效重建纹理细节更丰富的高分辨率图像,重建图像在主观视觉效果与客观评价指标上均优于同类模型,且在图像放大3倍时,峰值信噪比和结构相似性指标最高比MSRN模型提升了0.57 dB和0.007。

关键词：超分辨率重建卷积神经网络多尺度特征提取注意力机制高频信息

来源：评论

学校读者我要写书评

暂无评论

一种基于超网络的多目标回归方法

引用

计算机科学 2022年第S02期49卷 150-158页

作者：孙开伟郭豪曾雅苑方阳刘期烈重庆邮电大学数据工程与可视计算重点实验室重庆400065 重庆邮电大学通信与信息工程学院重庆400065

多目标回归(Multi-target Regression,MTR)是一种同时预测多个相互关联的连续型输出目标的机器学习问题。在多目标回归中,多个输出目标共享同一个特征表示,其主要挑战在于如何有效地发掘和利用输出目标之间的关联,以提高所有输出目标的... 详细信息

多目标回归(Multi-target Regression,MTR)是一种同时预测多个相互关联的连续型输出目标的机器学习问题。在多目标回归中,多个输出目标共享同一个特征表示,其主要挑战在于如何有效地发掘和利用输出目标之间的关联,以提高所有输出目标的预测准确性。文中提出了一种基于超网络的多目标回归方法(Multi-target Regression Method based on Hypernetwork,MTR-HN)。首先采用k-means算法对每个连续型输出目标进行一维聚类,然后根据聚类结果将多目标回归问题转化成多类别多标签分类问题,最后采用超网络模型对多类别多标签分类问题进行建模,构建最终的多目标回归预测模型。MTR-HN方法的优点在于:1)对输出空间离散化,能够降低模型过拟合的风险;2)采用超网络模型,能更有效地对输出目标之间的关联进行建模。在18个多目标回归数据集上进行的对比实验表明,文中提出的MTR-HN方法能够取得比现有方法更高的预测准确性。

关键词：机器学习多目标回归聚类多标签分类超网络

来源：评论

学校读者我要写书评

暂无评论

基于优化算法的2-bit编码超表面缩减RCS研究

引用

压电与声光 2023年第5期45卷 791-794页

作者：董妮娅张伟男林峰谭沐莹重庆移通学院公共大数据安全技术重庆市重点实验室重庆401520 重庆邮电大学通信与信息工程学院重庆400065 重庆邮电大学自动化学院重庆400065

该文设计了一种“十字-圆环”型结构超表面,并利用该结构实现了2-bit编码的相位梯度超表面(PGMS)设计。结合超表面阵列的特点,提出了一种改进的遗传粒子群算法(GAPSO)与阵列模式综合(APS)的组合优化算法GAPSO-APS,得到超表面编码矩阵的... 详细信息

该文设计了一种“十字-圆环”型结构超表面,并利用该结构实现了2-bit编码的相位梯度超表面(PGMS)设计。结合超表面阵列的特点,提出了一种改进的遗传粒子群算法(GAPSO)与阵列模式综合(APS)的组合优化算法GAPSO-APS,得到超表面编码矩阵的最佳排列,从而实现了宽带雷达散射截面(RCS)的大幅缩减。对设计的超表面进行仿真,并与金属表面进行了对比。结果表明,设计的编码超表面可在3.1~29.7 GHz频带内实现10 dB的RCS缩减,有效地验证了所设计的编码超表面在宽频带内实现RCS的缩减以及算法的有效性。

关键词：超表面雷达散射截面相位梯度 GAPSO-APS优化算法

来源：评论

学校读者我要写书评

暂无评论

基于云模型的煤矿安全大数据多粒度表示方法及应用

引用

控制与决策 2021年第10期36卷 2359-2368页

作者：代劲张磊王国胤重庆邮电大学计算智能重庆市重点实验室重庆400065 重庆邮电大学软件工程学院重庆400065

以大规模物联网为支撑的新一代信息技术的深入应用,为基于海量大数据挖掘的煤矿安全知识发现提供了实现的可能.现有的针对煤矿安全大数据的研究大多基于定量模型,其解决问题的角度单一且一定程度上忽略了煤矿监管中多时空、多粒度的管... 详细信息

以大规模物联网为支撑的新一代信息技术的深入应用,为基于海量大数据挖掘的煤矿安全知识发现提供了实现的可能.现有的针对煤矿安全大数据的研究大多基于定量模型,其解决问题的角度单一且一定程度上忽略了煤矿监管中多时空、多粒度的管控需求,使得数据中蕴含的煤矿风险知识未得到客观、全面的发现.从煤矿监管中的多粒度需求出发,借助云模型定量数据与定性概念间良好的转换能力,从煤矿监管中的时间、空间监管架构角度,提出基于自适应混合云变换的面向煤矿安全大数据的多粒度表示方法.该方法能够有效满足煤矿监管中其基于宏观、微观,不同时间、空间维度的变粒度需求,实现煤矿安全大数据在不同粒度认知结构中特性的深入挖掘.通过在煤矿数据概念提取中的应用并与高斯云变换算法对比,其提取的概念覆盖度更全且更客观,验证了所提方法的合理性;在煤矿监测数据预测应用中,其预测精度相较于ARIMA算法更高,验证了所提方法的可行性.

关键词：煤矿安全大数据知识发现云模型多粒度概念提取

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：