基于多基因遗传规划的注塑过程参数关联预测方法

鉴于传统注塑过程参数选择与设置依赖于人工经验,且过程参数与输出参数之间存在着非线性、强耦合的关系,文中提出了一种基于多基因遗传规划的注塑过程参数关联预测方法。该方法基于数据生成初始多基因树种群,随后迭代进行选择,高、低级树交叉及两类树突变操作,以获得最适应数据的模型,并演化出一个能清晰描述过程参数与输出参数关联的代数方程,确定控制输出的关键参数。在设置选择指标时,针对模型方程的复杂性会影响到实际使用效率的问题,引入复杂性维度作为评估指标进行多目标选择。以注塑过程为例,试验结果表明了所提方法的有效性。此外,参数和灵敏度分析验证了模型的鲁棒性,揭示了参数间隐藏的非线性关系,对后续注塑过程参数设置及优化提供了依据。

基于语义与全局双重注意力机制的长链非编码RNA-疾病关联预测模型

针对现有长链非编码RNA(lncRNA)-疾病关联预测模型在综合利用异构生物网络的交互、语义信息上存在局限性的问题,提出一种基于语义与全局双重注意力机制的lncRNA-疾病关联预测模型(SGALDA)。首先,基于相似性和已知关联构建一个lncRNA-疾病-微小RNA(miRNA)异构网络,并基于消息传递类型设计特征提取模块来提取和融合异构网络上同质、异质节点的邻域特征,以捕捉异构网络上的多层面交互关系。其次,基于元路径将异构网络分解为多个语义子网络,并分别在各个子网络上应用图卷积网络(GCN)来提取节点的语义特征,以捕捉异构网络上的高阶交互关系。然后,基于语义与全局双重注意力机制融合节点的语义和邻域特征,以获得更具代表性的节点特征。最后,利用lncRNA节点特征和疾病节点特征的内积运算重建lncRNA-疾病关联。5折交叉验证结果显示,SGALDA的受试者工作特征曲线下面积(AUROC)为0.9945±0.0002,PR曲线下面积(AUPR)为0.9167±0.0011,在所有对比模型中均为最高,验证了SGALDA良好的预测性能。对乳腺癌、胃癌的案例研究进一步证实了SGALDA识别潜在lncRNA-疾病关联的能力,说明SGALDA有潜力成为一种可靠的lncRNA-疾病关联预测模型。

基于多特征融合的药物疾病关联预测模型构建

构建基于药物多特征融合的药物疾病关联预测模型,为药物知识发现提供新思路。借助药物的化学结构、药物-副作用关联、药物-靶标关联的3个特征,构建融合的药物综合相似度及基于MeSH的疾病语义相似度特征表示方法。利用图卷积神经网络模型抽取药物-疾病图数据特征信息,构建基于多特征融合的药物疾病关联预测模型(MFFGCN),进而实现未知的药物疾病关联发现。利用269种药物、598种疾病及其之间的18416种关联关系,对药物疾病存在的未知关联进行预测,借助AUC、AUPR、准确率、灵敏度、召回率、F1等多个评价指标进行评价。结果表明,多特征融合的药物疾病关联预测方法的AUC指标为0.8662,较单一特征的平均预测指标最大相对提升为2.48%,较4种代表性基线方法的指标最大相对提升为1.67%;AUPR指标为0.3412,较单一特征预测结果最大相对提升为1.67%,较4种代表性基线方法提升27.49%。对预测结果中药物-疾病预测关联得分中排名前10的组合及阿霉素为例的单一药物预测组合进行文献研究验证、临床治疗验证,同样证明MFFGCN在未知的药物疾病关联预测上表现良好,能有效地发现药物的新适应症,为药物重定位提供方法借鉴和理论依据。

基于深度时间卷积神经网络与迁移学习的流程制造工艺过程质量时序关联预测

针对流程生产多工艺参数时序耦合导致的生产质量难以准确预测的问题,提出了基于深度时间卷积神经网络与迁移学习的生产质量快速高效预测方法。借助序列到序列的学习框架,采用深度时间卷积神经网络和时序注意力机制构成的编码器提取多源关键时序特征,采用残差长短期记忆神经网络构成的解码器挖掘质量时序信息,引入迁移学习解决预测模型对生产质量在线预测适应性的问题。实验表明所提方法的预测精度与稳定性优势显著,且在小样本数据预测时具有较高的预测精度和计算效率。

基于注意力机制—门控循环单元—BP神经网络的智能多工序工艺参数关联预测

鉴于流程制造工序间能质流耦合严重,性能指标影响因素众多,工艺参数时序特征显著,现有制造模式下难以精准预测产品质量,在分析流程制造工艺性能指标多维、强时序、关联耦合特征的基础上,提出一种基于注意力机制—门控循环单元-BP神经网络(Attention AM-GRU-BPNN)的多工序耦合参数关联预测方法。首先采用互信息方法筛选多态异构生产数据作为输入,建立ConvGRU自编码器,通过无监督学习对过程数据、工艺参数、操作参数等进行时序特征提取,同时引入时序注意力机制提取不同工序的耦合关联特征并进行向量嵌入,为不同工序的工艺参数分配注意力权重。在此基础上,设计Attention网络自学习不同时刻下工艺关联特征对质量性能指标的影响差异,再通过门控循环单元网络对重要的关联特征进行增强,并按照时序特征对单工序预测模型进行聚合,实现多工序时序特征融合,最后通过输出层BPNN神经网络精准预测产品工艺质量。实验表明,AM-GRU-BPNN有效提高了预测精度,从多工序角度为生产线工序的加工过程控制提供了依据。

基于结构化深度聚类网络的miRNA-疾病关联预测

提出一种结构化深度聚类网络模型来预测microRNA(miRNA)和疾病的关联。模型将miRNA和疾病的集成相似性投入自编码器,将自编码器的输出通过传递算子传递到图卷积层,利用双重监督机制对模型进行训练。5折交叉验证结果显示,该模型分别在HMDD v2.0和HMDD v3.0数据集上平均AUC(Area Under the Curve)值分别为93.23%和94.58%。

基于关系图卷积网络的长链非编码RNA与疾病关联预测

针对当前长链非编码RNA(lncRNA)与疾病关联预测研究中存在的异质网络构建不完善、网络节点信息挖掘不充分问题,提出一种基于关系图卷积网络(Relational Graph Convolutional Network, R-GCN)的方法(RGCNLDA)。首先,构建lncRNA-miRNA-疾病异质图,随后在异质图上训练R-GCN获取节点嵌入向量,最后使用多层感知机预测lncRNA-疾病关联。5折交叉验证结果显示,RGCNLDA的受试者工作特征曲线下面积(AUROC)为0.934,表明其具有良好的预测性能。

一种基于深度变分门神经网络的疾病小核糖核酸关联预测模型

小核糖核酸(miRNA)在基因表达和转录等过程中具有重要作用,与疾病的产生有着密切关联。对于疾病miRNA关联识别,生物鉴定方法代价高、耗时长和效率低。为快速自适应提取疾病和miRNA构成的异质网络信息,该文基于通道型注意力设计变分门图自编码器和门多层感知器,构建一种深度变分门神经网络模型(VGAEN)并用于疾病miRNA关联预测任务。该模型整合miRNA及疾病的多种相似度信息得到miRNA和疾病的整合相似性特征,然后基于多数据融合的整合相似性网络和疾病miRNA邻接信息,利用变分门图自编码器提取miRNA和疾病网络的拓扑信息和语义信息;其次基于疾病miRNA关联矩阵,利用非负矩阵分解提取miRNA和疾病的低维线性去噪特征;最后,利用门多层感知器融合miRNA和疾病特征,预测其关联关系。实验结果表明VGAE-N模型能更有效地预测疾病miRNA关联,可为生物实验提供可靠的技术支撑。

基于融合神经网络的LncRNA与疾病关联预测方法

长链非编码RNA(Long non-coding RNA,LncRNA)的异常表达与疾病的生理和病理过程密切相关,识别LncRNA与疾病之间的潜在关联有助于理解疾病的分子发病机制。以往的方法未能深度整合异构的多源数据以及学习高维特征表示。为此,文中提出了一种基于融合神经网络(Fusion Neural Networks,FNN)预测候选疾病相关LncRNA的方法FNNLDA。FNNLDA整合与LncRNA、疾病和miRNAs相关的多种数据,采用多模型融合思想,利用栈式自编码器和融合神经网络两种深度学习模型分别学习LncRNA-疾病对的高级特征,最后融合两个模块的预测分值来预测LncRNA-疾病的关联性。五折交叉验证显示FNNLDA方法的AUC值比SIMCLDA,MFLDA,CNNLDA和LRLSLDA分别提升了12.5%,15.1%,3.4%和5.8%,表明其在LncRNA-疾病预测性能上有较大提升。基于胃癌疾病案例进行研究,结果证明FNNLDA能够有效识别与疾病关联的潜在LncRNA。

基于LGC的lncRNA-疾病关联预测

针对现有预测模型的局限性,结合图卷积推荐算法提出一种预测lncRNA和疾病关联关系的模型LGCLDA,使用疾病相关的lncRNA、基因和miRNA信息,构建疾病综合特征。利用图进行疾病信息嵌入提取,实现对潜在与疾病相关的lncRNA的推荐。在相同数据集上采用五折交叉验证法与现有预测模型MHRWR、 SIMCLDA、 ILNCSIM进行比较,提出的模型将AUC值分别提高了15.9%、8.8%、67.0%。对乳腺癌进行了详细的案例研究,预测结果得到了最近的生物医学文献的证明,进一步表明了算法的有效性。

药物关联预测研究技术进展

药物关联(DDIs)是指同时或先后服用两种或两种以上药物时会导致意想不到的副作用产生。DDIs预测就是药物相互作用预测。由于实验室研究具有复杂、昂贵且耗时的缺点,因此需要发展新的预测方法来检测DDIs。DDIs预测方法可分为基于相似性、基于机器学习、基于知识图谱、基于分类、基于网络等五大类预测方法。分析了不同药物关联预测代表性方法的由来、使用场景、优缺点、作用及影响等,并阐述了DDIs预测研究所用到的数据来源。最后讨论分析了DDIs预测面临的挑战、解决方法及未来发展方向。

基于图神经网络的miRNA-疾病关联预测研究综述

miRNA与复杂疾病之间的关联有着重要意义,研究复杂疾病组织中的miRNA的非正常表达为人类攻克相关复杂疾病提供了一个可行的解决方案。将己有的复杂疾病与miRNA的关联数据进行数学抽象建模,并设计合理、高效的算法实现预测未知关联预测,已经成为复杂疾病与miRNA的关联研究的主要内容。本文对图神经网络在miRNA-疾病关联预测中所涉及的关键技术,包括基于图神经网络的表示学习算法研究和miRNA疾病关联预测框架的研究现状、存在的问题以及面临的挑战进行系统综述。

基于改进GRNN模型的西南地区降雨温度关联预测研究

为构建西南地区降雨温度关联预测模型,本文以广义回归神经网络模型GRNN为基础,基于交叉验证算法CV、粒子群算法PSO、遗传算法GA、狼群算法GWO、天牛算法BAS共5种优化算法,构建了优化降雨预测模型,结果表明:在降雨日值和月值预测中,GWO-GRNN模型均精度较高,同时表现出了较高的可移植性,该模型可作为西南地区降雨温度关联预测模型使用。

具有模糊参数的大工业过程的关联预测法

针对模型 -实际差异问题 ,提出了基于模糊模型的大工业过程稳态关联预测协调法。研究了关联预测协调法的两种情形 :开环的关联预测协调法和有全局反馈的关联预测协调法。仿真结果表明 ,该算法收敛更快 ,目标函数更好 。

基于关联预测法的递阶生产计划与控制

本文在研究现有多种递阶生产计划和控制模型的基础上，提出用关联预测法来解决柔性自动化车间（FAW）的最优递阶生产计划与控制问题，文中首先建立FAW生产控制的数学模型，然后推导FAW递阶生产计划的关联预测算法，编写了基于该算法的IPA软件包并进行了算例研究，同现有的计划分解方法相比，这里的方法更适于将CIMS／MRPⅡ下达给FAW的中期计划最优分解成由FAW中各FMS执行的短期计划。

基于观察学习的机场噪声监测点关联预测研究

针对机场噪声监测点设备损坏和老化导致噪声数据采集异常的问题,寻求软件解决方案。在分析监测点之间关联性的基础上,建立了一种基于观察学习的机场噪声监测点关联预测模型。首先,通过衡量失效监测点和其余正常监测点之间的关联性来筛选出关联度高的监测点;接着,利用BP神经网络集成建立回归预测模型。提出了一种"基于学习成果优异度加权"的观察学习算法,解决了小样本的欠拟合问题,提升了模型泛化能力。基于某机场实测数据的实验表明,所提出的预测模型具有较好的预测能力,并且改进后的算法比标准的观察学习算法更为稳定,效率更高。

基于灰色关联预测与信任云混合算法的方案推荐

针对传统推荐方法中的数据稀疏性问题,常用的方法通常受到数据量的制约,因此采用灰色关联预测法计算方案评分数据间的相关系数,以预测空缺的评分数据;针对面向新用户的冷启动问题,考虑用户兴趣特征相似度和基于信任云的用户对方案评分的相似性,计算用户间的综合相似度,将合适的方案推荐给新用户。最后,以汽车方案推荐为例进行方法验证,并通过与协同过滤,云模型等推荐算法进行对比,证明了该方法的有效性。

灰色关联预测模型(GRM)及其应用研究

本文以GM(1,1)模型和灰色关联度为基础,建立新的灰色关联预测模型(GRM)以反映系统内关联因素之间相互影响、相互制约的特性,并以江苏省科技活动人员数和技术市场成交额的灰色关联预测为例说明了新模型应用的方法步骤。

改进关联预测法

文中从数值计算的角度,提出一个改进关联预测法,实例仿真表明:改进算法具有收敛快、优化区间宽、实用性强的特点。

旅游产业经济中四大效应的动态关联预测

为了探究旅游产业经济的四大效应,构建了动态关联模型和关联系数的计算方法.文章以北京市2001～2011年的相关经济数据进行了实证分析,结论表明：旅游业收入每增加一个单位,就会带动北京市GDP收入增加1.06个单位,带动第三产业收入增加1.16个单位,带动北京市创汇增加0.636个单位,就会带动北京市就业增加0.376个单位.此外,旅游产业对于第三产业、第一产业、第二产业的关联性影响也破确切证实.