葡京娱乐场-富盈娱乐场开户

成果簡介：JZSearch 精準搜索引擎由北理工副教授張華平博士精心設計，具 有專業精準、高擴展性和高通用性的特點。可支持文本、數字、日期、字符串等各種數據類型的高效索引，支持豐富的查詢語言和查詢類型，支持少 數民族語言的搜索。同時，全文搜索中間件通過可視化界面，可以快速地配 置相關參數，啟動搜索服務，并提供測試程序，可以無縫地與現有數據庫系統融合，實現全文搜索與相關的數據庫管理應用系統。 項目來源：自行開發 技術領域：信息技術

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：

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

本項目聚焦于鋰電池管理系統在智能化監測與預測中的關鍵痛點，尤其擬面向電池容量衰減預測、SOC/SOH估計不準、電池剩余時間不準確、MAP/SOP估算等方面。通過引入人工智能算法，構建融合機器學習與深度學習的電池狀態預測模型，擬實現高精度SOC（荷電狀態）與SOH（健康狀態）估計的優化，提升電池管理系統的智能水平與安全性。 解決方案方面，項目基于實地檢測磷酸鐵鋰電池充放電數據構建訓練集，采用輕量級線性回歸模型及改進型人工神經網絡進行建模優化，并結合特征工程技術提高預測精度。同時，設計適用于邊緣計算的部署方案，使模型可在BMS嵌入式硬件平臺實時運行，降低對計算資源的依賴。 在競爭優勢方面，項目成果具備算法輕量化、部署便捷、預測準確度高、兼容性強等特點，特別適用于電力儲能、電動汽車等對安全性和可靠性要求高的場景。相比傳統BMS方案，該AI算法可顯著提升電池使用效率與壽命，精準估算SOC/SOH，降低維護成本。 目前項目成果已在合作企業內部儲能設備中開展應用測試，初步反饋表明荷電狀態預測準確度提升40%左右，電池健康度準確度提升40%左右，系統響應及時，具備較高實用性和推廣價值。專家評審一致認為，該項目在智能電池管理系統方向具有較強的創新性和實際應用前景。

現代互聯網、通信和信息科技應用涉及海量異構數據，有效管理和使用數據需要對其進行組織優化和 預處理。索引是重要的預處理方法，以其為基礎可提供高效的數據搜索功能。常用的開源搜索引擎Lucene第一部分 電子與信息領域技術成果采用屬于關鍵字索引的分詞倒排技術，可滿足自然語言數據搜索的需求，但是對詞較多或者無法分詞的異 構數據，比如信號、日志、代碼和基因等，需要使用SA（suffix array，后綴數組）索引，在技術原理和應 用范圍上均區別于關鍵字索引。

成果簡介：LJParser 大數據搜索與挖掘開發平臺針對互聯網內容處理的需要， 融合了自然語言理解、網絡搜索和文本挖掘的技術，提供了用于技術二次開 發的基礎工具集。開發平臺由多個中間件組成，各個中間件API 可以無縫地 融合到客戶的各類復雜應用系統之中，可兼容 Windows，Linux， Android， Maemo5, FreeBSD 等不同操作系統

1、項目簡介 本項目在三維熒光光譜技術的基礎上，建立光譜數據矩陣計算模型和處理方 法，建立了基于熒光光譜和智能算法的食品安全檢測新技術。應用于白酒檢測， 實現了白酒品種和年份酒年份的科學化、儀器化和智能化鑒別和測定；應用于食 品添加劑檢測，實現了目標物的種類和含量的方便、快捷、靈敏、準確測定。 2、創新要點 本項目研發用于復雜混合物體系檢測的高分辨率熒光光譜技術，結合數學建 模方法和智能計算技術，以三維熒光光譜獲得更多信息，以三維數陣校正智能算 法進行混合物光譜特征信息的提取和處理，在處理復雜混合物體系光譜信息方面 發揮優勢，實現了以“數學分離”代替“化學分離”、以“計算識別”代替“人 工判別”，解決了復雜混合物熒光光譜特征指向問題，建立了新的食品安全檢測 技術。 3、效益分析 “白酒年份酒的熒光光譜檢測技術及鑒別系統”可實現對所建庫中不同品牌白 酒及不同年份白酒進行準確鑒別，可應用于白酒企業的生產管理和年份白酒消 費市場的監督管理，將促進我國白酒年份酒的產生和銷售的規范和發展，推動 品牌白酒鑒別工作的技術進步，為打擊假冒偽劣、保護名牌提供技術支持，具 有直接的經濟效益和良好的社會效益。 4、推廣情況 建立的白酒熒光光譜檢測技術對“中國白酒 169 計劃”和“白酒 3C”計劃的 家白酒企業的產品進行了應用。在“山西杏花村汾酒廠股份有限公司”，本項目 成果已應用于公司的生產管理和市場的監督管理.本項目成果已在“無錫市凱得 靈糖果食品有限公司”得到應用，應用于公司生產原料和成品的檢測。為本公司 確保產品質量，提供了有效的技術支持，促進了產品質量的穩定和提高，應用二 年多時間以來，糖果的產銷量有了顯著的增長

成果簡介：云存儲技術極大的降低了用戶存儲和管理各種數據的成本和難 度，并提高了數據的可靠性。然而，云計算服務提供商、非授權用戶可以很 容易訪問存儲到云計算服務器的私有數據，私有數據的機密性受到極大挑戰。通過加密私有數據再存儲到云計算服務器，可以有效防止云計算服務提 供商和非授權用戶訪問私有數據，但是數據加密存儲使得數據檢索變得非常 困難。面向云存儲的加密數據搜索系統在實現安全云存儲的同時，提供安全、高效的加密數據