基于强化学习的药品专利文本分析方法研究
这是一篇关于药品专利,分层强化学习,三步时间差分,水溶解度,结构相似性的论文, 主要内容为近些年,在医疗体制改革政策的影响下,医药行业得到了迅猛发展,药品市场的需求不断地增长。制药企业作为国内医药行业的重要组成部分更是迎来了发展机遇。但有关数据表明,近几年制药企业的发展陷入了困局,其原因在于研制新药时所消耗的时间与成本过大。药品专利是制药研究人员获取信息的主要渠道之一,但药品专利篇幅长且信息量大,这导致制药企业的研究人员提取所需信息的时间成本过高。此外,在新药开发任务中,通过遵循某些给定的规则,根据化学分子性质,进而生成新的化合物更是重中之重。但在药厂中,研制新药通常需要通过做大量实验或者根据专家的经验改变化合物的化学性质,这样过于依赖人工经验,导致制药成本高、精度低,且对专家经验有较高的要求。因此,如何有效地控制药品专利分析的时间成本以及在已有研究成果的基础上进行改进的实验成本对制药企业研制新药、提高企业经济效益具有重要意义。针对这样的问题,本文提出了一种基于分层强化学习的有向分子设计模型,该模型引入分层强化学习的思想-Option框架对复杂的状态空间进行分层,能够有效优化化合物的化学性质。在动作Option模块中,本文设计了基于Q-learning方法的学习准则,通过不断更新动作值函数,选取动作Option集合(增加、删除、替换操作)中的最优动作,在遵循SMILES编码的规则下,克服了基于文本的深度强化学习方法出现SMILES语法错误的问题。在状态Option模块中,提出基于三步时间差分算法的化合物的更新策略,通过对未来三个时间步学习后的期望来更新当前化合物,进而提高模型的运行效率。考虑到改变分子主框架结构会对分子产生影响的问题,本文设计了一种基于水溶解度和结构相似性的模型奖励函数,从而引导模型产生所需要的物理或生物特性的结构。为了便于研究人员进行专利的查询和分析,基于本文所提出的算法并结合制药企业的实际需求,前端采用React脚手架、后端采用基于MyBatis的Spring Boot框架、数据库采用MySQL技术,开发了一套药品专利分析系统软件。系统采用B/S架构,具有用户登录、基础信息查询、结果精炼、SMILES主结构展示、分子性质优化五大模块的相关介绍及实现。本文所开发的系统应用还是实验仿真阶段,采用本文开发的系统进行分析,不仅可以快速查询药品专利信息而且能够优化药品专利中分子的化学性质,进而缩短药品研发周期。
基于局部结构相似性的链路预测方法
这是一篇关于链路预测,中心性,结构相似性,随机游走,图嵌入的论文, 主要内容为复杂网络是研究现实世界中各种复杂系统的重要工具,诸如社会、交通、生物、经济等系统都可以抽象地表示为网络的形式。链路预测是复杂网路中重要的研究方向之一,旨在发现网络中缺失的连接或者将来可能出现的连接,已被应用于指导生物实验、朋友推荐系统等各个邻域中。网络的拓扑结构信息容易获取,因此基于网络结构相似性的链路预测方法是目前主流的方法。近年来,基于图嵌入技术的链路预测方法也获得了广泛研究。本文提出了一种基于局部结构相似性的链路预测指标,并研究了该指标在图嵌入方法中的作用,具体研究内容如下:(1)定义了节点的局部结构中心性指标,用节点自身的度在其所有邻居节点的度总和中的占比表示该节点的局部结构特征,相比度中心性考虑了节点邻居的贡献。将两个节点的局部中心性指标归一化后代入熵的计算公式中计算节点间的相似性,同时将节点间的距离作为惩罚因子,得到基于局部结构相似性的链路预测指标LC(Local Centrality)。该指标对局部结构更相似且距离对赋予更高的分数值。在包含548个网络的数据集上测试对比了13种链路预测指标的AUC(Area Under the ROC Curve),结果表明,在平均距离较小的网络上,LC指标优于CN等基于共同邻居的指标,差于Katz等全局结构相似性指标。随着网络平均距离的增长,LC指标接近最优的Katz指标,且其时间复杂度远低于Katz等指标。(2)将节点局部结构相似性应用到图嵌入方法中,提出了LCE(Local Centrality Embeding)算法。Node2vec等图嵌入方法利用随机游走来产生相似节点序列,在此基础上,我们在随机游走过程中增加结构相似性作为选择节点的依据,优先选择与当前节点结构相似的邻居节点作为下一步的节点。将采样得到的节点序列作为语料输入Woed2vec模型,得到节点的低维向量表示,然后利用向量在低维向量空间中的欧氏距离计算节点的相似性。在548个网络数据集上测试了LCE算法与其他5种方法的AUC表现,结果表明,在网络平均距离小于3的网络上,LCE的表现不如Node2vec等方法,而在距离大于3的网络上,LCE算法的表现显著提升,优于其他方法。(3)提出了针对给定网络选择链路预测指标的方法。链路预测指标可以根据使用的特征分为不同的种类,同一类的指标其AUC的上界和下界相同,因此,只要计算出AUC的上界就能判断是否选择这一类指标。此外,如果指标的AUC下界很低,可以指标的分数为特征,利用机器学习模型预测边的类型,能获得更好的表现。
测试业务管理系统的设计与实现
这是一篇关于测试业务,管理系统,余弦相似度,结构相似性,孪生神经网络的论文, 主要内容为随着软件测试行业的蓬勃发展,各种自动化测试工具也在不断兴起,软件测试自动化水平也在不断提高。但部分企业和实验室依旧采用线下方式进行测试业务流程的管理,这大大降低了业务的效率。同时,基于UI的回归测试和兼容测试会产生大量的重复图片,人为判别需要花费大量的时间。针对上述问题,本文设计并实现了一个测试业务管理系统。本文的主要工作如下:(1)实现了测试业务管理系统的设计方案,并完成了测试业务管理系统的前端开发,该系统能够记录和管理从签订合同到最后的报告生成的全部过程。系统能够严格控制业务的状态转移,并记录各个状态的中间文件,保证用户能够正确地实施流程;(2)本文采用了图形学和深度学习的方法来判别回归测试和兼容测试的结果。对于回归测试,首先使用余弦相似度算法对测试结果进行分类,然后使用结构相似性算法来判断图片之间的差异。最后,对某个App的回归测试结果进行计算分析,平均准确率达到90%以上。至于兼容测试,本文首先利用部分常用App的自动化测试结果构建数据集,接着使用孪生神经网络进行训练。最后,使用未参与训练的图片进行测试,并绘制PR曲线。结果显示准确率为79%。本系统采用前后端分离的架构,前端使用Vue.js框架,后端则使用Spring Cloud框架,本人主要负责系统的设计,前端系统的开发,部分后端系统的开发和回归及兼容测试结果判别算法的设计与实现。本文首先介绍了自动化判别回归测试结果和辅助判别兼容测试结果的算法设计与实现。其次分析了测试业务管理系统的需求,结合用例图详细说明系统中委托任务管理、项目管理、报告管理、待确认事项管理等功能性需求,并分析系统中性能、安全等非功能性需求。其次,根据需求分析设计并分层描述了系统总体架构,并且划分了功能模块;接着通过E-R图描述数据库中实体关系;最后根据RESTful规范设计模块间接口。再次,详细设计与实现系统中各功能模块的前端部分。继次,简单地说明了系统测试环境,并详细地设计了测试用例对系统中各功能模块进行测试。最后,总结论文工作内容,并简单阐述系统开发过程中待改进的方面。
测试业务管理系统的设计与实现
这是一篇关于测试业务,管理系统,余弦相似度,结构相似性,孪生神经网络的论文, 主要内容为随着软件测试行业的蓬勃发展,各种自动化测试工具也在不断兴起,软件测试自动化水平也在不断提高。但部分企业和实验室依旧采用线下方式进行测试业务流程的管理,这大大降低了业务的效率。同时,基于UI的回归测试和兼容测试会产生大量的重复图片,人为判别需要花费大量的时间。针对上述问题,本文设计并实现了一个测试业务管理系统。本文的主要工作如下:(1)实现了测试业务管理系统的设计方案,并完成了测试业务管理系统的前端开发,该系统能够记录和管理从签订合同到最后的报告生成的全部过程。系统能够严格控制业务的状态转移,并记录各个状态的中间文件,保证用户能够正确地实施流程;(2)本文采用了图形学和深度学习的方法来判别回归测试和兼容测试的结果。对于回归测试,首先使用余弦相似度算法对测试结果进行分类,然后使用结构相似性算法来判断图片之间的差异。最后,对某个App的回归测试结果进行计算分析,平均准确率达到90%以上。至于兼容测试,本文首先利用部分常用App的自动化测试结果构建数据集,接着使用孪生神经网络进行训练。最后,使用未参与训练的图片进行测试,并绘制PR曲线。结果显示准确率为79%。本系统采用前后端分离的架构,前端使用Vue.js框架,后端则使用Spring Cloud框架,本人主要负责系统的设计,前端系统的开发,部分后端系统的开发和回归及兼容测试结果判别算法的设计与实现。本文首先介绍了自动化判别回归测试结果和辅助判别兼容测试结果的算法设计与实现。其次分析了测试业务管理系统的需求,结合用例图详细说明系统中委托任务管理、项目管理、报告管理、待确认事项管理等功能性需求,并分析系统中性能、安全等非功能性需求。其次,根据需求分析设计并分层描述了系统总体架构,并且划分了功能模块;接着通过E-R图描述数据库中实体关系;最后根据RESTful规范设计模块间接口。再次,详细设计与实现系统中各功能模块的前端部分。继次,简单地说明了系统测试环境,并详细地设计了测试用例对系统中各功能模块进行测试。最后,总结论文工作内容,并简单阐述系统开发过程中待改进的方面。
测试业务管理系统的设计与实现
这是一篇关于测试业务,管理系统,余弦相似度,结构相似性,孪生神经网络的论文, 主要内容为随着软件测试行业的蓬勃发展,各种自动化测试工具也在不断兴起,软件测试自动化水平也在不断提高。但部分企业和实验室依旧采用线下方式进行测试业务流程的管理,这大大降低了业务的效率。同时,基于UI的回归测试和兼容测试会产生大量的重复图片,人为判别需要花费大量的时间。针对上述问题,本文设计并实现了一个测试业务管理系统。本文的主要工作如下:(1)实现了测试业务管理系统的设计方案,并完成了测试业务管理系统的前端开发,该系统能够记录和管理从签订合同到最后的报告生成的全部过程。系统能够严格控制业务的状态转移,并记录各个状态的中间文件,保证用户能够正确地实施流程;(2)本文采用了图形学和深度学习的方法来判别回归测试和兼容测试的结果。对于回归测试,首先使用余弦相似度算法对测试结果进行分类,然后使用结构相似性算法来判断图片之间的差异。最后,对某个App的回归测试结果进行计算分析,平均准确率达到90%以上。至于兼容测试,本文首先利用部分常用App的自动化测试结果构建数据集,接着使用孪生神经网络进行训练。最后,使用未参与训练的图片进行测试,并绘制PR曲线。结果显示准确率为79%。本系统采用前后端分离的架构,前端使用Vue.js框架,后端则使用Spring Cloud框架,本人主要负责系统的设计,前端系统的开发,部分后端系统的开发和回归及兼容测试结果判别算法的设计与实现。本文首先介绍了自动化判别回归测试结果和辅助判别兼容测试结果的算法设计与实现。其次分析了测试业务管理系统的需求,结合用例图详细说明系统中委托任务管理、项目管理、报告管理、待确认事项管理等功能性需求,并分析系统中性能、安全等非功能性需求。其次,根据需求分析设计并分层描述了系统总体架构,并且划分了功能模块;接着通过E-R图描述数据库中实体关系;最后根据RESTful规范设计模块间接口。再次,详细设计与实现系统中各功能模块的前端部分。继次,简单地说明了系统测试环境,并详细地设计了测试用例对系统中各功能模块进行测试。最后,总结论文工作内容,并简单阐述系统开发过程中待改进的方面。
基于强化学习的药品专利文本分析方法研究
这是一篇关于药品专利,分层强化学习,三步时间差分,水溶解度,结构相似性的论文, 主要内容为近些年,在医疗体制改革政策的影响下,医药行业得到了迅猛发展,药品市场的需求不断地增长。制药企业作为国内医药行业的重要组成部分更是迎来了发展机遇。但有关数据表明,近几年制药企业的发展陷入了困局,其原因在于研制新药时所消耗的时间与成本过大。药品专利是制药研究人员获取信息的主要渠道之一,但药品专利篇幅长且信息量大,这导致制药企业的研究人员提取所需信息的时间成本过高。此外,在新药开发任务中,通过遵循某些给定的规则,根据化学分子性质,进而生成新的化合物更是重中之重。但在药厂中,研制新药通常需要通过做大量实验或者根据专家的经验改变化合物的化学性质,这样过于依赖人工经验,导致制药成本高、精度低,且对专家经验有较高的要求。因此,如何有效地控制药品专利分析的时间成本以及在已有研究成果的基础上进行改进的实验成本对制药企业研制新药、提高企业经济效益具有重要意义。针对这样的问题,本文提出了一种基于分层强化学习的有向分子设计模型,该模型引入分层强化学习的思想-Option框架对复杂的状态空间进行分层,能够有效优化化合物的化学性质。在动作Option模块中,本文设计了基于Q-learning方法的学习准则,通过不断更新动作值函数,选取动作Option集合(增加、删除、替换操作)中的最优动作,在遵循SMILES编码的规则下,克服了基于文本的深度强化学习方法出现SMILES语法错误的问题。在状态Option模块中,提出基于三步时间差分算法的化合物的更新策略,通过对未来三个时间步学习后的期望来更新当前化合物,进而提高模型的运行效率。考虑到改变分子主框架结构会对分子产生影响的问题,本文设计了一种基于水溶解度和结构相似性的模型奖励函数,从而引导模型产生所需要的物理或生物特性的结构。为了便于研究人员进行专利的查询和分析,基于本文所提出的算法并结合制药企业的实际需求,前端采用React脚手架、后端采用基于MyBatis的Spring Boot框架、数据库采用MySQL技术,开发了一套药品专利分析系统软件。系统采用B/S架构,具有用户登录、基础信息查询、结果精炼、SMILES主结构展示、分子性质优化五大模块的相关介绍及实现。本文所开发的系统应用还是实验仿真阶段,采用本文开发的系统进行分析,不仅可以快速查询药品专利信息而且能够优化药品专利中分子的化学性质,进而缩短药品研发周期。
基于局部结构相似性的链路预测方法
这是一篇关于链路预测,中心性,结构相似性,随机游走,图嵌入的论文, 主要内容为复杂网络是研究现实世界中各种复杂系统的重要工具,诸如社会、交通、生物、经济等系统都可以抽象地表示为网络的形式。链路预测是复杂网路中重要的研究方向之一,旨在发现网络中缺失的连接或者将来可能出现的连接,已被应用于指导生物实验、朋友推荐系统等各个邻域中。网络的拓扑结构信息容易获取,因此基于网络结构相似性的链路预测方法是目前主流的方法。近年来,基于图嵌入技术的链路预测方法也获得了广泛研究。本文提出了一种基于局部结构相似性的链路预测指标,并研究了该指标在图嵌入方法中的作用,具体研究内容如下:(1)定义了节点的局部结构中心性指标,用节点自身的度在其所有邻居节点的度总和中的占比表示该节点的局部结构特征,相比度中心性考虑了节点邻居的贡献。将两个节点的局部中心性指标归一化后代入熵的计算公式中计算节点间的相似性,同时将节点间的距离作为惩罚因子,得到基于局部结构相似性的链路预测指标LC(Local Centrality)。该指标对局部结构更相似且距离对赋予更高的分数值。在包含548个网络的数据集上测试对比了13种链路预测指标的AUC(Area Under the ROC Curve),结果表明,在平均距离较小的网络上,LC指标优于CN等基于共同邻居的指标,差于Katz等全局结构相似性指标。随着网络平均距离的增长,LC指标接近最优的Katz指标,且其时间复杂度远低于Katz等指标。(2)将节点局部结构相似性应用到图嵌入方法中,提出了LCE(Local Centrality Embeding)算法。Node2vec等图嵌入方法利用随机游走来产生相似节点序列,在此基础上,我们在随机游走过程中增加结构相似性作为选择节点的依据,优先选择与当前节点结构相似的邻居节点作为下一步的节点。将采样得到的节点序列作为语料输入Woed2vec模型,得到节点的低维向量表示,然后利用向量在低维向量空间中的欧氏距离计算节点的相似性。在548个网络数据集上测试了LCE算法与其他5种方法的AUC表现,结果表明,在网络平均距离小于3的网络上,LCE的表现不如Node2vec等方法,而在距离大于3的网络上,LCE算法的表现显著提升,优于其他方法。(3)提出了针对给定网络选择链路预测指标的方法。链路预测指标可以根据使用的特征分为不同的种类,同一类的指标其AUC的上界和下界相同,因此,只要计算出AUC的上界就能判断是否选择这一类指标。此外,如果指标的AUC下界很低,可以指标的分数为特征,利用机器学习模型预测边的类型,能获得更好的表现。
基于机器学习的复合绝缘子憎水性检测研究
这是一篇关于复合绝缘子,憎水性,可调光平台,结构相似性,Inception V3的论文, 主要内容为随着人工智能技术应用范围的不断扩大,计算机视觉已经广泛运用于电力系统的设备故障排除中。复合绝缘子作为电力系统中高压输电线路的绝缘元件,其憎水性是保证绝缘性能的重要因素。传统的复合绝缘子憎水性检测主要依靠人工登杆进行,误判率较高,不能满足电力系统智能判定设备故障的要求。使用无人机拍摄复合绝缘子憎水性图像,将计算机视觉技术与图像相结合提取复合绝缘子的憎水性特征量,运用机器学习算法完成憎水性等级的检测已经成为当下趋势。但未考虑不同光照强度对复合绝缘子憎水性检测准确率的影响问题,为了提高复合绝缘子憎水性检测的准确率,本文进行如下研究:(1)设计可调光复合绝缘子憎水性试验图像采集平台。解决实际检测过程中,不同天气光照强度下图像影响复合绝缘子憎水性检测准确率的问题。经过憎水性等级图像采集试验与测试,该装置满足相关研究需求。(2)图像预处理。使用不同算法进行对比试验,最优选择平均值法灰度化、对比度受限自适应直方图均衡化、自适应中值滤波、一维OTSU与反一维OSTU阈值等算法与形态学算法相结合进行图像预处理。(3)提出一种基于图像结构相似性度量的憎水性分类方法。使用Open CV算法对预处理后的图像提取憎水性特征量,分别搭建基于结构相似性的随机森林、KNN、BP神经网络复合绝缘子憎水性检测分类模型。进行算法不同参数的试验,选择最合适的参数进行憎水性等级分类。(4)搭建基于深度卷积神经网络的Inception V3憎水性检测模型。使用Alex Net、VGG-16、Goog Le Net、Res Net50深度卷积神经网络进行对照试验,试验表明Inception V3网络模型由于使用更多更小的卷积核,性能更加优异,提取图像的特征效果更好,对复合绝缘子憎水性等级检测的准确率达到96.17%,满足工程实际要求。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码项目助手 ，原文地址：https://m.bishedaima.com/lunwen/50452.html
