葡京娱乐场-富盈娱乐场开户

本成果采用最新的深度學(xué)習(xí)和分子模擬算法，結(jié)合新一代分子特征化方法，開發(fā)了多種計算機模型，可用于藥物開發(fā)中的多個階段，為藥物的快速設(shè)計開發(fā)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(yù)測方法：傳統(tǒng)的化合物毒性檢測技術(shù)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(yù)測，所需投入較少，但產(chǎn)出巨大。特別是基于化合物的物理化學(xué)和結(jié)構(gòu)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(yù)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(nèi)試驗之前先使用計算機模型對化合物進行大規(guī)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(xué)習(xí)算法的化合物毒性預(yù)測集成學(xué)習(xí)算法，運用此集成學(xué)習(xí)算法建立了新的有機化合物致癌性、致突變性和肝毒性預(yù)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(yù)測)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突變性預(yù)測)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性預(yù)測)的預(yù)測服務(wù)器，這些服務(wù)器能夠為使用者提供更高效更便捷的預(yù)測技術(shù)服務(wù)。自2017年服務(wù)器發(fā)表起，我們已為國內(nèi)外藥物分子設(shè)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(yù)測服務(wù)。在有機化合物毒性預(yù)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(yù)測模型，以及糖尿病早期篩查模型的開發(fā)，正在進行P450酶阻滯劑性預(yù)測模型、基于圖神經(jīng)網(wǎng)絡(luò)的毒性預(yù)測算法研究、基于分子對接的化合物毒性預(yù)測研究等。相關(guān)研究成果已發(fā)表多篇學(xué)術(shù)論文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次數(shù)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(yù)測服務(wù)器首頁 致癌性預(yù)測結(jié)果頁 相關(guān)綜述對本服務(wù)器的介紹 RF-hERG-Score預(yù)測藥物引起的hERG相關(guān)心臟毒性 2.藥物設(shè)計方法：在計算機上對藥物靶點和藥物分子的結(jié)構(gòu)和活性建模，計算藥物與靶點之間的相互作用關(guān)系，從而設(shè)計出具有治療作用的藥物。計算機輔助藥物設(shè)計可以為藥物設(shè)計各階段的實驗方案提供有意義的指導(dǎo)，減少需要通過實驗評估的候選藥物的數(shù)量，從而加快新藥研發(fā)速度。我們應(yīng)用分子對接、分子動力學(xué)模擬、自由能計算、機器學(xué)習(xí)等方法研究流感病毒等重要疾病的計算機輔助藥物設(shè)計、并開發(fā)更有效的計算機輔助藥物設(shè)計方法。在計算機輔助藥物設(shè)計研究我們主要完成了流感病毒M2質(zhì)子通道蛋白抑制劑虛擬篩選方法研究，正在進行先導(dǎo)化合物生成模型研究、基于機器學(xué)習(xí)的虛擬篩選打分函數(shù)算法開發(fā)、SARS-CoV-2病毒S蛋白與受體相互作用及藥物設(shè)計研究。 特異性重打分函數(shù)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(zhuǎn)錄物的主要成分。研究表明lncRNA在許多生物學(xué)和病理學(xué)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(jié)合。lncRNA-蛋白質(zhì)相互作用的實驗研究需要大量資源。累積的實驗數(shù)據(jù)使得通過計算方法預(yù)測lncRNA-蛋白質(zhì)相互作用成為可能。我們使用各種數(shù)學(xué)建模和機器學(xué)習(xí)方法開發(fā)了幾種用于預(yù)測lncRNA-蛋白質(zhì)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(guī)則化Logistic矩陣分解），LPI-BNPRA（雙向網(wǎng)絡(luò)投影推薦算法），LPI-ETSLP（基于特征值變換的半監(jiān)督鏈路預(yù)測），HLPI-Ensemble（集成學(xué)習(xí)）。在交叉驗證中，我們的模型獲得了較好的預(yù)測性能。 lncRNA-蛋白質(zhì)相互作用預(yù)測模型的性能比較 lncRNA-蛋白質(zhì)相互作用預(yù)測服務(wù)器相關(guān)軟件著作權(quán)：

采用前沿的深度學(xué)習(xí)算法和相關(guān)數(shù)據(jù)處理技術(shù)，經(jīng)過不斷優(yōu)化和創(chuàng)新，能夠在極短時間內(nèi)完成 CT 圖像的人體器官勾畫功能，目前已實現(xiàn) 30 多種器官的自動勾畫。大量歷史病例數(shù)據(jù)集和模型的不斷創(chuàng)新使 DeepViewer 多種器官的勾畫精準度達到 95%以上。 

青少年人工智能資源與創(chuàng)新平臺為激發(fā)青少年利用原創(chuàng)算法解決真實復(fù)雜問題的興趣，面向全國中小學(xué)發(fā)布覆蓋人工智能主要技術(shù)領(lǐng)域的研究問題，設(shè)立相應(yīng)選題。 一、項目分類 關(guān)鍵核心技術(shù)突破 二、技術(shù)分析 主要功能： 資源中心。資源中心包含各個名師人工智能課程及應(yīng)用案例，還包含各類精品開源軟硬件資源的匯聚。 資訊通知。公告元卓計劃工作的最新動態(tài)及行業(yè)內(nèi)的最新消息。 直播頻道。邀請專家進行直播互動。 在線編程?？梢栽诰W(wǎng)頁頁面中直接編寫代碼和運行代碼。 互動論壇。注冊用戶可以在網(wǎng)站論壇討論課題。

在串聯(lián)回路中，當(dāng)電弧或放電現(xiàn)象發(fā)生時，對電流進行頻譜分析，根據(jù)電流 的頻譜特征變化來確定是否有電弧發(fā)生，提供預(yù)警信息或保護動作。為了防止在 開關(guān)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(chǔ)上綜合電弧時間長短等其他特性作為電弧故障的判據(jù)。系統(tǒng)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(tǒng)的可 靠性。在算法中，采用了人工智能算法以提高系統(tǒng)的適應(yīng)性。主要成果包

產(chǎn)品詳細介紹    該實驗室結(jié)合圖形化編程（Scratch）和代碼編程（Python）方式，以【數(shù)學(xué)知識+信息技術(shù)+3D設(shè)計+編程】為主要切入點，選用IME3D系列化軟件中的3D編程設(shè)計軟件Scrath3D和Python3D，及其配套的項目制（PBL）基礎(chǔ)和主題課程體系，將編程邏輯、3D設(shè)計和開源硬件相結(jié)合，開展編程式3D設(shè)計教育課程和各項活動。 該實驗室的課程內(nèi)容特色： 充分結(jié)合所學(xué)的數(shù)學(xué)知識，如圓錐、圓柱、直線/曲線的斜率等基本概念，并將其通過Scratch、Python等編程方式進行3D數(shù)學(xué)建模，對生活中常見的物品進行模仿設(shè)計，使其成為具有一定功能的創(chuàng)意產(chǎn)品 運用Scrtach3D和Python3D設(shè)計軟件讓學(xué)生學(xué)習(xí)3D編程設(shè)計的方法，提升學(xué)生自主設(shè)計能力和聯(lián)系理解學(xué)科知識的能力，在揭示3D建模背后原理的同時，為學(xué)生提供理解編程學(xué)習(xí)的獨特平臺 完成一定內(nèi)容學(xué)習(xí)和嘗試后，結(jié)合多種設(shè)計方法，進行綜合運用性的主題作品設(shè)計制作，如用數(shù)學(xué)的方法來測量學(xué)校建筑物的高度，分析模型的特點和結(jié)果，并利用合適的編程式3D設(shè)計軟件構(gòu)建其模型和3D打印完成作品 結(jié)合開源硬件，在給定主題的引導(dǎo)下，進行功能分析、3D設(shè)計和編程操作，同時利用3D打印成品進行產(chǎn)品組裝，實現(xiàn)功能 編程教學(xué)軟件：

Yanshee 機器人采用Raspberry Pi + STM32 開放式的硬件平臺架構(gòu)，有豐富的開源資源持。具有17 個自由度的高度擬人設(shè)計，并支持模塊化拆裝；支持AI 語音/ 視覺技術(shù)；支持多傳感器及通信模塊，并兼容多種開源傳感器包；提供自研工具軟件并適配專業(yè)開源軟件，支持Python、Java、C/C++、BLockly 等多種編程語言及多種AI 應(yīng)用的學(xué)習(xí)和開發(fā)。

四川新尚人工智能科技有限公司（簡稱“新尚AI”）是新尚集團旗下專注于人工智能與機器人領(lǐng)域，集研發(fā)、制造及銷售于一體的科技企業(yè)（制造子公司：四川德創(chuàng)機器人科技有限公司），同時也是本科教育、職業(yè)教育、K12教育全階段、貫穿式教育解決方案提供商。 新尚AI基于新尚集團16所雙一流高校資源及電子科技大學(xué)聯(lián)合實驗室，在K12、高職及本科教育方面形成合力。新尚AI為K12教育打造領(lǐng)先、綜合、完整的科創(chuàng)教育解決方案，實現(xiàn)從教、學(xué)、管、評、賽、培（教師培訓(xùn)）、研（教學(xué)研究）、創(chuàng)（科創(chuàng)）所有環(huán)節(jié)的全鏈條覆蓋和閉環(huán)打通；同時新尚AI也為本科教育、職業(yè)教育提供新工科、新職教教育創(chuàng)新解決方案，以校企協(xié)同為契機，通過遞進式培養(yǎng)、項目制課程、實驗室建設(shè)和專業(yè)共建等方式賦能教育，建設(shè)高校科技成果轉(zhuǎn)化中心，打造產(chǎn)教融合示范樣板。

人工智能是一項嚴重依賴數(shù)據(jù)的技術(shù)，數(shù)據(jù)量的多少會直接影響產(chǎn)品的性能。而醫(yī)療數(shù)據(jù)又具備其特殊性，受到了嚴格的保護和使用限制。國外由于有健全的數(shù)據(jù)管理機制和嚴格的監(jiān)管，有很多公開數(shù)據(jù)集，可供研究單位使用，用于推進人工智能技術(shù)的發(fā)展。這部分公開數(shù)據(jù)集雖然也可以被我們所使用，但是受到人種差異限制，某些疾病并不適合亞洲人群（比如：歐美人種和亞洲人種存在乳腺類型差異），且歐美疾病發(fā)病率和我國也存在差異。我國醫(yī)療數(shù)據(jù)量遠遠超過國外，但是受到法規(guī)等限制，無法進行數(shù)據(jù)挖掘，嚴重限制了我國醫(yī)療人工智能技術(shù)的發(fā)展。目前國家鼓勵“產(chǎn)、學(xué)、研、用”綜合發(fā)展，也鼓勵科技成果轉(zhuǎn)化。但是，醫(yī)院空有數(shù)據(jù)，沒有技術(shù)，無法進行數(shù)據(jù)挖掘；研究單位和廠家空有技術(shù)，缺乏合法高質(zhì)量的數(shù)據(jù)，也無法開展相關(guān)研究更無從進行產(chǎn)業(yè)化。 該項目已獲得“人工智能訓(xùn)練標準庫的處理與檢測方法、系統(tǒng)”發(fā)明專利授權(quán)（專利號：CN201710546301.8），本專利的目的是能夠建立人工智能所需的標準數(shù)據(jù)庫，通過數(shù)據(jù)和訓(xùn)練庫分離和提供標準數(shù)據(jù)接口的方式，在保證數(shù)據(jù)安全的前提下，為研發(fā)機構(gòu)和廠家提供研發(fā)數(shù)據(jù)和驗證數(shù)據(jù)，以便促進我國醫(yī)療人工智能技術(shù)的發(fā)展，產(chǎn)生更多原創(chuàng)算法和適合我國國情的產(chǎn)品。

邊緣智聯(lián)網(wǎng)（edge+AI+IOT=eAIOT）綜合實驗平臺是一款集成物聯(lián)網(wǎng)、嵌入式、移動互聯(lián)技術(shù)、人工智能于一體的高端教學(xué)科研實驗平臺。 整個教學(xué)平臺包括物聯(lián)網(wǎng)、嵌入式Linux和人工智能（AI），三個部分互相支撐、互為補充。平臺采用多核高性能 AI 處理器，預(yù)裝 Ubuntu Linux 操作系統(tǒng)與OpenCV計算機視覺庫，支持TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE等深度學(xué)習(xí)端側(cè)推理框架。 實驗平臺支持圖像處理、語音處理、無線通信、傳感器原理、RFID等技術(shù)的主流算法及應(yīng)用。提供完整的配套教學(xué)教材，實訓(xùn)案例的源碼、開發(fā)手冊等，滿足AI和IOT教學(xué)實訓(xùn)、應(yīng)用開發(fā)等需求。 本項目實驗平臺搭載瑞芯微RK3399處理器，不少于9個無線傳感器節(jié)點，配備11.6寸高清觸摸屏、高清相機模塊、7麥麥克風(fēng)陣列和ODB接口。 硬件系統(tǒng)采用DC12V電源適配器安全統(tǒng)一供電，結(jié)構(gòu)為上下兩層一體化設(shè)計，上層緊固式安裝實驗所需硬件（非磁吸式安裝），實驗所需硬件均平鋪安裝在一整塊底板上，下層收納放置配套線材、配件等設(shè)備。 實驗平臺支持ZigBee、BLE、lorawan、nbiot、RFID等無線網(wǎng)絡(luò)通信，支持無線傳感器網(wǎng)絡(luò)、物聯(lián)網(wǎng)人工智能、嵌入式系統(tǒng)開發(fā)、RFID射頻識別技術(shù)等課程實驗。同時配備可私有云和公有云部署的“物聯(lián)網(wǎng)云平臺”，配合多種傳感器模塊，可完成基于物聯(lián)網(wǎng)云平臺的嵌入式無線傳感器綜合實驗。本平臺提供嵌入式深度學(xué)習(xí)框架Tengine，可完成人工智能實驗，包含基于深度學(xué)習(xí)的目標檢測實驗、基于深度學(xué)習(xí)的人臉識別實驗，可完成聲紋識別門禁實驗、AI語音智能家居實驗、知識圖譜和聊天機器人實驗等人工智能實驗。