新葡京娱乐场-大陆娱乐场开户注册

本成果采用最新的深度學習和分子模擬算法，結合新一代分子特征化方法，開發了多種計算機模型，可用于藥物開發中的多個階段，為藥物的快速設計開發提供一個完整的基于人工智能的解決方案。 成果：1.藥物毒性預測方法：傳統的化合物毒性檢測技術一般需要使用生化試驗、細胞實驗、甚至動物模型，這些方法不僅耗費大量時間，而且成本很高。使用計算模型進行有機化合物的毒性預測，所需投入較少，但產出巨大。特別是基于化合物的物理化學和結構特性的計算模型，甚至能夠在化合物合成之前就對其進行預測，大大提高了效率，使其越來越受到歡迎。在進行體外和體內試驗之前先使用計算機模型對化合物進行大規模的毒性篩選，能夠更好地解決候選藥物具有毒性的問題。我們建立了一套新的基于多種分子指紋和機器學習算法的化合物毒性預測集成學習算法，運用此集成學習算法建立了新的有機化合物致癌性、致突變性和肝毒性預測模型。我們分別建立了名為CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性預測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預測)的預測服務器，這些服務器能夠為使用者提供更高效更便捷的預測技術服務。自2017年服務器發表起，我們已為國內外藥物分子設計研究者提供了5000多次共計超過20多萬個化合物的毒性預測服務。在有機化合物毒性預測研究方向，我們主要完成了化合物的細胞毒性、心臟毒性、生殖毒性、血腦屏障透過性、水生生物毒性預測模型，以及糖尿病早期篩查模型的開發，正在進行P450酶阻滯劑性預測模型、基于圖神經網絡的毒性預測算法研究、基于分子對接的化合物毒性預測研究等。相關研究成果已發表多篇學術論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數80，ESI 1%高被引論文；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.） 致癌性預測服務器首頁 致癌性預測結果頁 相關綜述對本服務器的介紹 RF-hERG-Score預測藥物引起的hERG相關心臟毒性 2.藥物設計方法：在計算機上對藥物靶點和藥物分子的結構和活性建模，計算藥物與靶點之間的相互作用關系，從而設計出具有治療作用的藥物。計算機輔助藥物設計可以為藥物設計各階段的實驗方案提供有意義的指導，減少需要通過實驗評估的候選藥物的數量，從而加快新藥研發速度。我們應用分子對接、分子動力學模擬、自由能計算、機器學習等方法研究流感病毒等重要疾病的計算機輔助藥物設計、并開發更有效的計算機輔助藥物設計方法。在計算機輔助藥物設計研究我們主要完成了流感病毒M2質子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導化合物生成模型研究、基于機器學習的虛擬篩選打分函數算法開發、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設計研究。 特異性重打分函數顯著虛擬篩選性能顯著較高 篩選出兩個候選抑制劑 3.藥物靶點識別方法：長非編碼RNA（lncRNA）是一種長度在200nt至100,000nt之間的非編碼RNA，是轉錄物的主要成分。研究表明lncRNA在許多生物學和病理學過程中起著重要作用。lncRNA起作用的重要途徑是與其靶蛋白結合。lncRNA-蛋白質相互作用的實驗研究需要大量資源。累積的實驗數據使得通過計算方法預測lncRNA-蛋白質相互作用成為可能。我們使用各種數學建模和機器學習方法開發了幾種用于預測lncRNA-蛋白質相互作用的新模型。這些模型命名為：RWLPAP（隨機游走），LPI-NRLMF（鄰域正則化邏輯矩陣分解），IRWNRLPI（集成隨機游走和鄰域規則化Logistic矩陣分解），LPI-BNPRA（雙向網絡投影推薦算法），LPI-ETSLP（基于特征值變換的半監督鏈路預測），HLPI-Ensemble（集成學習）。在交叉驗證中，我們的模型獲得了較好的預測性能。 lncRNA-蛋白質相互作用預測模型的性能比較 lncRNA-蛋白質相互作用預測服務器相關軟件著作權：

本發明的目的在于克服現有技術的不足，提供一種基于門限的低復雜度MPA算法， 該算法通過設置置信度門限來及時對可靠的碼字進行譯碼，或對發送概率極低的碼字進行 舍棄，從而有效地降低了原始MPA算法的復雜度。

本發明公開了一種并行 LLL 高維模糊度降相關算法，首先通過混合利用 Cholesky 下三角 LTL 分解 以及上三角 UTU 分解，提高 LLL 算法針對高維模糊度降相關的計算效率，增強高維模糊度降相關的能 力。其次為了得到降相關能力較強的 Z 變換矩陣，所以在每一次 QR 分解變換過程中，變換系數矩陣要 獲取較小的整數值，因此在每次下三角分解前先對模糊度協方差矩陣的行向量按內積大小進行升序排序， 而在上三角分解前先對矩陣的列向量按內積大小進行降序排列，由此求得的 Z 變換降相關性能更佳。最 后把算法正交變換過程中的取整運算移至在求 Z 矩陣時取整，可以避免算法迭代過程中反復取整而引起 的誤差累積，解決算法發散的問題，從而進一步提高并行 LLL 算法的計算效率和穩定性。 

本成果針對空間目標的運動特征，通過研究目標距離徙動軌跡與 等效運動模型，構建了一個欠定的運動方程組，基于全局炳最優化準 則求解出目標運動參數，提出了一種全新的距離對準算法。實驗結果 表明該算法具有較高的準確性，更重要的是，距離對準過程中不會引 入距離像隨機偏移誤差和高頻相位誤差，這也是應用大轉角高分辨成 像方法的前提條件。

隨著計算智能方法得到更廣泛的應用，其從問題本身學習的能力亟待增強。為此，越來越多研究提出使用機器學習模型來驅動計算智能。通常，這種基于模型的進化算法的性能高度依賴于所采用模型的訓練質量。而傳統機器學習方法需要大量訓練數據進行模型訓練，而且受維度災難的影響，這類方法通常很難解決維度較高的問題，約束了計算智能方法的應用范疇。課題組在

本發明提出了一種基于時間-能耗重要性比重的并行任務調度算 法，在滿足時間和能耗的雙重限制下，實現異構并行系統下任務所用 時間和能耗的權衡優化。本發明考慮到實際情況中任務受各種因素的 影響，執行時間不是固定且確定的，而是近似于正態分布，因此在確 定任務調度順序時，不采用以往技術中使用執行時間平均值的方法， 而是將執行時間的平均值和方差同時考慮進來使用近似權重。在任務 分配階段，同時考慮時間和能耗這兩個性能指標，并能根據

在串聯回路中，當電弧或放電現象發生時，對電流進行頻譜分析，根據電流 的頻譜特征變化來確定是否有電弧發生，提供預警信息或保護動作。為了防止在 開關的瞬間或受到其他脈沖電流的干擾造成電弧故障檢測電路誤動作，同時在頻譜分析的基礎上綜合電弧時間長短等其他特性作為電弧故障的判據。系統的硬件 部分包含電流檢測、濾波、故障特征提取等模塊。軟件部分包含信號采集、信號 處理、故障判別等模塊，并綜合時間等其他因素降低誤報率，提高檢測系統的可 靠性。在算法中，采用了人工智能算法以提高系統的適應性。主要成果包

在汽車熱管理技術方面，從車輛角度，合理有效地對車輛的發動機，變 速器、冷卻系統、空調系統、進氣、排氣系統進行熱流的控制及利用，使各系統 在一個最佳的工作環境下高效地運行，達到節能減排的目的。

為什么選擇我們服務與實力并列，解決您后顧之憂 7x24小時無憂服務業內*質的售后服務、7x24小時及時響應確保您運營無憂 高品質按時交付不隨意拖延開發工期，保證質量按時交付開發成品 完善的售后服務以服務客戶為己任，全方位跟進項目需求，實際解答您的疑惑

上機管理 （1） 教學上課上機申請：指導老師使用機房的上機申請。對提交的申請可做新增、修改、刪除的編輯，并可即時打印、生成EXCEL表格 （3）機房排課表導入，從學校EXCEL排課表中為指定機房導入排課基本信息，減少錄入排課信息的工作量 （4）教學上課上機安排：正常教學安排上機實習排課表，其設置時間段與“第一周日期設置“有關 （5）教學上機課時查詢：對計劃內教學上機班級的課時情況查詢 （6）教學分配機時：即個人機時分配 （7）教學機時扣除：可以扣除學生的上機時間 （8）教學機時批量分配：指對多班級、多用戶進行批量機時的分配 ?(9)教學機時批量清除，對班級多用戶批量清除機時 ?(10)教學上機機時管理：指根據設定的條件查詢學生現有機時情況，可將查詢到的記錄進行分配、扣除、平衡機時等操作 財務管理：開戶，存款，批量存款，其他收費，存款與機時修改，上機金額修改，轉賬，退款，批量退款，注銷賬戶 設備管理：機房設備登記，設備類型登記，自動獲取機器名登記，機房軟件環境設置，機房設備監控、設備監控生成日志。 四：查詢統計：學生情況查詢，流水賬查詢，上機日報，收入明細日報，上級匯總、用戶機時統計、機器使用率等查詢統計的結果。 五：系統管理：用戶設置，重置賬號密碼、修改密碼、更改上機地點、系統鎖定、系統數據的備份與還原等。 軟件主要特色 （1）強大的教學管理功能，采用教學上機排課模式，而非預約方式，可快速生成排課表。可管理：教學課程、及業余開放情況，可以根據教學發起的教師申請記錄選擇或者時手動添加記錄安排教學上機，課表自動生成； 可定義設置課節數、課節時間段、課節時間長短，以便于靈活的安排機房空余時間； （1） 在校園網上管理員可以通過監控管理端監控功能，查看各臺電腦的使用情況，用戶可以在監控端進行不定時的截圖； 可實現網上預約管理，學生可在校園網訪問了解機房安排情況，提前預約機房上機或上課，可以單獨預約或整體預約； ?(3)智能識別上課和業余上機，自行管理，能夠根據時段、設備情況、地點、身份設定不同的費率；上機監控： (4)查看機房上機情況，正在上機人數、空閑機器以及機房資源利用等； (5)用戶設置：管理和設置用戶權限，權限要求可以自由分配； 收費設置：分機房、分時段、分機器設置機房收費標準。可以在總控端完成所有機房的費率設置；遠程監控：遠程關機，遠程重新啟動，遠程截屏，消息發送，ip管理等； 網段管理: 管理跨校區、跨網段，突破IP網段限制，多機房統一管理； (6)能處理突然斷電等異常情況。效能評估，可對機房以及對機房的每臺電腦進行使用效率分析，對學生的上課考勤情況進行分析；上網管理功能。 (7)指定閱覽或實習的所需運行的軟件，禁止U盤、光驅等杜絕用戶隨意拷貝，記錄每臺客戶機瀏覽過的網址，保存上網記錄，可隨時查詢，記錄每臺客戶機所運行的程序，保存程序運行記錄，(8)可隨時查詢，遠程監控屏幕，可隨時遠程查看讀者當前屏幕并加以保存，進程痕跡監控，在管理機上可以隨時查詢所有機房所有計算機的進程并能選擇結束進程，系統信息痕跡監控，在管理機上可以隨時查詢讀者計算機硬件信息并加以保存；