搜索结果: 1-15 共查到“深度Q网络”相关记录26条 . 查询时间(0.14 秒)
随着高通量质谱技术的高速发展，研究人员可以从蛋白质组学中挖掘到更深更为可靠的数据信息。在蛋白质组学中，翻译后修饰组学是尤其重要的研究方向，磷酸化（Phosphorylation）修饰作为涉及蛋白质范围最广泛，修饰位点数量最多的修饰类型，成为了研究人员关注的对象。众所周知，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及精准医学概念...
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...
中国科学院上海药物所等构建深度神经网络模型解密磷酸化位点的功能景观（图）
神经网络 蛋白质细胞
2023/9/11
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...
上海药物所合作构建深度神经网络模型解密磷酸化位点的功能景观（图）
神经网络 磷酸化 蛋白质
2023/12/1
随着高通量质谱技术的高速发展，研究人员可以快速从蛋白质组学中挖掘到更多更为可靠的翻译后修饰数据信息。在翻译后修饰组学研究中，磷酸化(Phosphorylation)修饰作为涉及蛋白质范围最广泛及修饰位点数量最多的修饰类型，成为了研究人员研究的重点。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及精准医学概念的提出，蛋白质的磷酸化异...
铁水硅含量是反映高炉冶炼过程中热状态变化的灵敏指示剂,但无法实时在线检测,造成铁水质量调控盲目.为此,提出一种基于动态注意力深度迁移网络(Attention deep transfer network,ADTNet)的高炉铁水硅含量在线预测方法.首先,针对传统深度网络静态建模思路无法准确描述过程变量与铁水硅含量之间的关系,提出一种基于注意力机制模块的输入过程变量与输出硅含量之间的动态关系描述方法。
为了将最新的深度学习智能算法应用到汽轮发电机组振动故障诊断领域，推进汽轮发电机组振动故障智能诊断的进步，采用了深度学习结合专家经验的方法，根据振动专家现场振动故障诊断的经验，将振动故障的时序特征及运行参数对故障的影响融入到传统的深度学习算法中，提出了基于时序深度融合网络的振动故障诊断算法，研究了该诊断系统的相关关键技术。实验数据验证结果表明，该算法在提高故障诊断准确率的同时，大大提升了网络性能，提...
中国科学院声学研究所专利：一种基于深度神经网络的自动语音叠音检测方法
中国科学院声学研究所专利：一种基于深度神经网络的语音质量客观评价方法
我国学者在动态深度神经网络研究方面取得进展
动态深度 神经网络 计算机视觉
2022/12/30
在国家自然科学基金项目（批准号：62022048、61906106）资助下，清华大学黄高研究团队在动态深度神经网络研究方面取得进展。研究成果以"基于自适应聚焦的高效视频识别（Adaptive Focus for Efficient Video Recognition）"为题，于2021年10月17日发表于《国际计算机视觉会议》（International Conference on Compute...
剑桥大学等研究发现：理论上稳定准确深度神经网络实际不存在
神经网络 剑桥大学 深度学习
2022/12/31
当下，深度神经网络应用越来越广泛，帮助设计微芯片，预测蛋白质折叠，并在复杂游戏中胜过人类，性能越来越强大。但也有大量证据证明，它们通常是不稳定的。一个非常明显的表现是，深度神经网络接收到的数据的微小变化，就可能会导致结果的巨大变化。例如《One pixel attack for fooling deep neural networks》研究中所揭示的，改变图像上的一个像素，AI就把马识别成青蛙。哈...
基于深度神经网络的时空编码磁共振成像超分辨率重建方法
磁共振成像 时空编码 超分辨率重建 深度神经网络
2022/3/15
单扫描时空编码磁共振成像是一种新型超快速磁共振成像技术，它对磁场不均匀和化学位移伪影有较强的抵抗性，但是其固有的空间分辨率较低，因此通常需要进行超分辨率重建，以在不增加采样点数的情况下提高时空编码磁共振图像的空间分辨率。然而，现有的重建方法存在迭代求解时间长、重建结果有混叠伪影残留等问题。为此，本文提出了一种基于深度神经网络的单扫描时空编码磁共振成像超分辨率重建方法。该方法采用模拟样本训练深度神经...
“相约星期四咖啡时间”之深度神经网络的后门攻击与防御（图）
神经网络 后门攻击 防御 工业界
2021/3/23
2021年3月18日（周四）下午3：00，“相约星期四咖啡时间”如期举行。学院新入职教师陈艳姣研究员主持本周咖啡时间的交流，并为老师们带来了以“针对深度神经网络的后门攻击和防御”为主题的学术报告。
深度信念网络(Deep belief network,DBN)是一种基于深度学习的生成模型,克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题,近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想,人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上,给出了其发展趋势.首先,给出深度信念网络的基本模型结构以及其标准的学习框架,并分析了深度信念...
中国科学院地质与地球物理研究所博士后何清龙与合作导师王彦飞研究员提出了一种基于深度神经网络(DNN)的全波形反演地质体结构的通用反演方法。该方法的主要思想是基于万能逼近定理，使用深度神经网络的权重对物理参数进行重新参数化，将原反演问题转化为物理原理约束下的网络参数的重构问题。该反演方法的优势是：重参数化的网络具有对抗神经网络的功能(GAN)，网络的稀疏表示信息使得该方法具有隐式正则化的作用，因此适...
中国科学院苏州生物医学工程技术研究所高欣团队联合上海长征医院刘士远团队提出融合领域知识的新型深度学习网络架构实现早期肺癌淋巴结转移精准无创诊断（图）
中国科学院苏州生物医学工程技术研究所 新型深度学习 网络架构 早期 肺癌淋巴结 精准无创诊断
2020/5/9
中科院苏州医工所高欣研究员团队与上海长征医院刘士远主任团队合作，针对早期肺腺癌术前淋巴结转移诊断问题，提出一种端到端的跨模态信息融合的新型神经网络架构（图1），该架构以三维密集神经网络（3D DenseNet）为基础，全自动提取与淋巴结转移相关的影像特征，同时对生化血检指标、征象信息及危险因素等三类医学领域知识进行编码，拼接融合影像特征与编码后的领域知识生成特征向量，利用全连接网络自动学习特征权重...