专利交易市场

本发明公开了一种基于深度学习算法进行基因关联分析的方法。本发明基于SNP集分析的方法需要借鉴来自同一个体不同位置但是相关的SNP信息，根据现有生物学知识将个体的SNP分成多个单元。首先在整个染色体层面，根据生物学相关知识，如接近基因组特征的原则，将全体SNP划分成多个SNP集。划分结束后，每一个SNP集输入到搭建的双向LSTM网络中，该网络是一个循环神经网络，它的状态包含上一时刻的陈旧信息，同时又是下一时刻权值变化的依据。LSTM网络学习完成后，可以通过网络的计算，输出对输入数据所需关注程度。本发明具有更好的敏感度和特异度，为临床医学、遗传病学和预防医学的发展研究开拓了新的领域。

本发明公开了一种基于CNN‑BiGRU混合模型的网络入侵检测方法及装置，对网络流量样本数据进行预处理，所述预处理包括数字标准化处理、归一化处理、不平衡处理，构建CNN‑BiGRU混合模型，所述CNN‑BiGRU混合模型包括卷积层、池化层、BiGRU层、全连接层和分类层，采用预处理后的网络流量样本数据训练所述CNN‑BiGRU混合模型，然后将待检测网络流量数据输入到训练好的CNN‑BiGRU混合模型，检测得到检测结果。本发明的解决了数据样本不平衡的问题，提高了模型对少数样本的检测率，提高了对网络入侵的检测准确率。

本发明公开了一种基于深度学习图像识别的健身动作纠错方法，包括以下步骤：接收从健身视频中截取的每帧健身图像，记录每帧健身图像对应的时间，并对每帧健身图像进行预处理；将预处理后的健身图像输入到人体关节识别模型中，经所述人体关节识别模型计算，输出健身图像中包含的每个人体关节及其位置坐标；将各个关节根据坐标位置有序连线，得到人体骨架图；根据标准健身动作对所述人体骨架图进行比对分析，输出不标准健身图像以实现对健身动作的纠错。本发明还公开了一种基于深度学习图像识别的健身动作纠错系统。该系统和方法能够处理真实有效地解决就有无音乐节奏的健身动作之间的难以对比的问题。

该发明公开了一种基于深度学习的卫星影像超分辨率方法，属于图像处理领域。本发明搭建扩展性深层超分辨率网络，对遥感卫星影像进行4倍超分，能够很好的重构输电线路杆塔绝缘子特征，具有保真度高、处理速度快的特点；为了提高超分辨率网络学习遥感卫星影像特征的能力，进一步的，采用了数据增广的方式，权重归一化层替换批处理归一化层的方式，更加精确的学习到遥感卫星影像的特征；进一步的，引入跳接的像素重组放大模块，不经过一系列的额外卷积，加快了计算速度，很好的应用到了电网遥感影像处理中。可用于后续输电线路检视、输电线路杆塔识别和绝缘子检测等用途。

本发明涉及高压电路监测领域，公开了一种基于深度学习算法的高压电路线路状态监测方法，该发明包括以下步骤：获取线路数据采集指令，根据线路数据采集指令接收高压线路各个节点位置输出的节点线路数据；对节点线路数据进行数据清洗处理，得到监测指标数据，对监测指标数据进行数据降维处理，得到训练集和测试集；采用自适应粒子群算法对神经网络模型进行参数优化，并将训练集输入优化后的神经网络模型中进行训练，得到状态监测模型；利用状态监测模型对测试集进行检测，得到线路状态监测结果；当线路状态检测结果中存在异常状态时，生成异常状态信息，并输出异常状态信息；本发明提高工作效率并减少了线路巡检人员，同时有效地提高了供电可靠性。