检索结果-维普期刊中文期刊服务平台

基于复杂网络的合成致死预测方法研究综述被引量：1: 1; 作者刘闯舒胜利 +1 位作者詹秀秀张子柯《计算机学报》 EI CAS CSCD 北大核心 2023年第8期1670-1692,共23页; 合成致死(Synthetic Lethality,SL)是一种负遗传相互作用,描述的是两个非必要基因之间的相互关系:其中任何一个基因的突变对细胞存活的影响很小,但两个基因的共同突变会导致细胞死亡或其他有碍细胞存活的表型.SL对于解释复杂生物过程、... 展开更多; 关键词合成致死复杂网络基因突变机器学习预测方法; 在线阅读下载PDF 职称材料

时序网络中关键节点的识别方法研究进展被引量：25: 2; 作者陈诗任卓明 +1 位作者刘闯张子柯《电子科技大学学报》 EI CAS CSCD 北大核心 2020年第2期291-314,共24页; 相对静态网络,时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型,如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力,已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和... 展开更多; 关键词评价指标传播动力学时序网络拓扑结构关键节点; 在线阅读下载PDF 职称材料

无池化层卷积神经网络的中文分词方法被引量：14: 3; 作者涂文博袁贞明俞凯《计算机工程与应用》 CSCD 北大核心 2020年第2期120-126,共7页; 在中文信息处理中,分词是一个十分常见且关键的任务。很多中文自然语言处理的任务都需要先进行分词,再根据分割后的单词完成后续任务。近来,越来越多的中文分词采用机器学习和深度学习方法。然而,大多数模型都不同程度的有模型过于复杂... 展开更多; 关键词自然语言处理中文分词卷积神经网络字向量; 在线阅读下载PDF 职称材料

基于多因素线索长短期记忆模型的血压分析预测被引量：7: 4; 作者刘晶吴英飞 +1 位作者袁贞明孙晓燕《计算机应用》 CSCD 北大核心 2019年第5期1551-1556,共6页; 高血压是危害健康的重要因素,为了预防血压突然升高造成严重后果,在传统长短期记忆(LSTM)网络基础上,提出一种多因素线索LSTM模型,适用于血压的短期预测和长期预测,能够对血压的不良变化提前作出预警。模型中用到的多因素线索包括时序... 展开更多; 关键词高血压血压预测长短期记忆时序数据上下文信息; 在线阅读下载PDF 职称材料

基于Leap Motion的动态手势识别被引量：8: 5; 作者孙玉袁贞明孙晓燕《计算机工程与应用》 CSCD 北大核心 2019年第13期151-157,共7页; 动态手势识别作为人机交互的一个重要方向,在各个领域具有广泛的需求。相较于静态手势,动态手势的变化更为复杂,对其特征的充分提取与描述是准确识别动态手势的关键。为了解决对动态手势特征描述不充分的问题,利用高精度的Leap Motion... 展开更多; 关键词动态手势识别 Leap Motion传感器特征提取长短期记忆网络(LSTM); 在线阅读下载PDF 职称材料

题名基于复杂网络的合成致死预测方法研究综述被引量：1: 1; 作者刘闯舒胜利詹秀秀张子柯; 机构杭州师范大学阿里巴巴复杂科学研究中心移动健康管理系统教育部工程研究中心浙江大学传媒与国际文化学院; 出处《计算机学报》 EI CAS CSCD 北大核心 2023年第8期1670-1692,共23页; 基金国家自然科学基金项目(61873080,92146001) 国家社会科学基金重大项目(19ZDA324) 中央高校基本科研业务费资助。; 文摘合成致死(Synthetic Lethality,SL)是一种负遗传相互作用,描述的是两个非必要基因之间的相互关系:其中任何一个基因的突变对细胞存活的影响很小,但两个基因的共同突变会导致细胞死亡或其他有碍细胞存活的表型.SL对于解释复杂生物过程、推动癌症的临床诊治有着重要的意义.因此,利用海量的高通量数据,通过构建数据分析模型和计算方法,从计算的角度进行SL对的挖掘和预测,是计算生物学研究的一个重要方向.本文首先对于SL预测所使用的相关数据进行了详细的综述,然后从生物网络这一全新视角出发,重点讨论了基于网络分析的SL预测方法.从网络上的统计学方法、基于网络结构变化的方法、基于网络特征学习的方法、基于图表示学习的方法四个方面综述了相关预测模型和研究的最新进展,详细地比较了各类方法的算法思路、应用场景和优缺点,最后针对SL预测的结果评估和验证方法的研究进展进行了论述.在此基础上,论文进一步总结出SL预测研究中所面临的几项挑战,并针对性的对未来发展方向进行展望,希望为今后的相关研究提供一些有用的参考和思路.; 关键词合成致死复杂网络基因突变机器学习预测方法; Keywords synthetic lethality complex networks genetic mutation machine learning prediction methods; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名时序网络中关键节点的识别方法研究进展被引量：25: 2; 作者陈诗任卓明刘闯张子柯; 机构杭州师范大学阿里巴巴复杂科学研究中心移动健康管理系统教育部工程研究中心; 出处《电子科技大学学报》 EI CAS CSCD 北大核心 2020年第2期291-314,共24页; 基金国家自然科学基金(61673151,61873080,61803137) 浙江省自然科学基金(LR18A050001,LY18A050004) 国家社会科学基金重大项目(19ZDA324)。; 文摘相对静态网络,时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型,如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力,已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和动力学的角度,对现有的时序网络中的关键节点识别方法进行了系统的回顾,详细比较各种方法的计算思路、应用场景和优缺点。最后总结了这一研究方向几个待解决的问题,并指出未来可能的发展方向。; 关键词评价指标传播动力学时序网络拓扑结构关键节点; Keywords evaluation index spreading dynamics temporal network topology vital node; 分类号 TP311 [自动化与计算机技术—计算机软件与理论] N94 [自然科学总论—系统科学]; 在线阅读下载PDF 职称材料

题名无池化层卷积神经网络的中文分词方法被引量：14: 3; 作者涂文博袁贞明俞凯; 机构杭州师范大学信息工程学院移动健康管理系统教育部工程研究中心; 出处《计算机工程与应用》 CSCD 北大核心 2020年第2期120-126,共7页; 基金浙江省自然科学基金（No.LQ16H180004）; 文摘在中文信息处理中,分词是一个十分常见且关键的任务。很多中文自然语言处理的任务都需要先进行分词,再根据分割后的单词完成后续任务。近来,越来越多的中文分词采用机器学习和深度学习方法。然而,大多数模型都不同程度的有模型过于复杂、过于依赖人工处理特征、对未登录词表现欠佳等缺陷。提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)的中文分词模型——PCNN(Pure CNN)模型,该模型使用基于字向量上下文窗口的方式对字进行标签分类,具有结构简单、不依赖人工处理、稳定性好、准确率高等优点。考虑到分布式字向量本身的特性,在PCNN模型中不需要卷积的池化(Pooling)操作,卷积层提取的数据特征得到保留,模型训练速度获得较大提升。实验结果表明,在公开的数据集上,模型的准确率达到当前主流神经网络模型的表现水准,同时在对比实验中也验证了无池化层(Pooling Layer)的网络模型要优于有池化层的网络模型。; 关键词自然语言处理中文分词卷积神经网络字向量; Keywords Natural Language Processing(NLP) Chinese word segmentation Convolutional Neural Networks(CNN) word vector; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于多因素线索长短期记忆模型的血压分析预测被引量：7: 4; 作者刘晶吴英飞袁贞明孙晓燕; 机构杭州师范大学杭州国际服务工程学院移动健康管理系统教育部工程研究中心; 出处《计算机应用》 CSCD 北大核心 2019年第5期1551-1556,共6页; 基金浙江省自然科学基金资助项目(LQ16H180004) 杭州市软科学计划项目(20140834M49)~~; 文摘高血压是危害健康的重要因素,为了预防血压突然升高造成严重后果,在传统长短期记忆(LSTM)网络基础上,提出一种多因素线索LSTM模型,适用于血压的短期预测和长期预测,能够对血压的不良变化提前作出预警。模型中用到的多因素线索包括时序数据线索和上下文信息线索(包括个人基本信息和环境信息)两大类,使得血压预测不仅提取血压数据本身的特征,还提取与血压相关联的时序数据变化特征和其他关联属性的数据特征。模型首次将环境因素加入血压预测,并采用多任务学习方式,能够更好地捕捉数据之间隐藏的关联性,提高模型泛化能力。实验结果表明,所提模型相较于传统LSTM模型和添加了上下文信息层的LSTM(LSTM-CL)模型在舒张压的预测误差与预测偏差方面分别降低2.5%,3.8%和1.9%,3.2%,在收缩压的预测误差和预测偏差分别降低0.2%,0.1%和0.6%,0.3%。; 关键词高血压血压预测长短期记忆时序数据上下文信息; Keywords hypertension Blood Pressure(BP) prediction Long Short-Term Memory(LSTM) time series data contextual information; 分类号 TP389.1 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于Leap Motion的动态手势识别被引量：8: 5; 作者孙玉袁贞明孙晓燕; 机构杭州师范大学杭州国际服务工程学院移动健康管理系统教育部工程研究中心; 出处《计算机工程与应用》 CSCD 北大核心 2019年第13期151-157,共7页; 基金浙江省自然科学基金(No.LQ16H180004); 文摘动态手势识别作为人机交互的一个重要方向,在各个领域具有广泛的需求。相较于静态手势,动态手势的变化更为复杂,对其特征的充分提取与描述是准确识别动态手势的关键。为了解决对动态手势特征描述不充分的问题,利用高精度的Leap Motion传感器对手部三维坐标信息进行采集,提出了一种包含手指姿势和手掌位移的特征在内的、能够充分描述复杂动态手势的特征序列,并结合长短期记忆网络模型进行动态手势识别。实验结果表明,提出的方法在包含16种动态手势的数据集上的识别准确率为98.50%;与其他特征序列的对比实验表明,提出的特征序列,能更充分准确地描述动态手势特征。; 关键词动态手势识别 Leap Motion传感器特征提取长短期记忆网络(LSTM); Keywords dynamic gesture recognition Leap Motion sensor feature extraction Long Short-Term Memory(LSTM); 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于复杂网络的合成致死预测方法研究综述	刘闯舒胜利詹秀秀张子柯	《计算机学报》 EI CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
2	时序网络中关键节点的识别方法研究进展	陈诗任卓明刘闯张子柯	《电子科技大学学报》 EI CAS CSCD 北大核心	2020	25	在线阅读下载PDF 职称材料
3	无池化层卷积神经网络的中文分词方法	涂文博袁贞明俞凯	《计算机工程与应用》 CSCD 北大核心	2020	14	在线阅读下载PDF 职称材料
4	基于多因素线索长短期记忆模型的血压分析预测	刘晶吴英飞袁贞明孙晓燕	《计算机应用》 CSCD 北大核心	2019	7	在线阅读下载PDF 职称材料
5	基于Leap Motion的动态手势识别	孙玉袁贞明孙晓燕	《计算机工程与应用》 CSCD 北大核心	2019	8	在线阅读下载PDF 职称材料