|
搜索
搜 索
高等教育領域數字化綜合服務平臺
求解非線性規劃的濾子方法研究
線性規劃問題在實際生活中有著廣泛的應用，隨著經濟和計算機技術的發展，作為最優化方法的一個重要分支，非線性規劃方法在經濟、工業、國防等國民經濟和社會發展的各領域都有廣泛的應用。但是在非線性規劃中，有一些理論問題沒有解決，有些新的方法有待進一步完善，特別在當前大數據背景下，傳統的算法已經不能適應新的需求（如問題的數據量龐大且帶有特殊結構，Jacobian矩陣計算困難等）。因此，一方面需要對原有的算法理論進一步完善，另一方面，需要研究在大數據背景下的優化算法的理論和實際計算效果。
本項目考慮把NCP函數和濾子方法相結合，利用對偶信息，減弱收斂的條件，提高計算效果。其次，針對濾子方法、SQP方法各自的不足之處，考慮將其同其它算法結合并利用數值代數技術，如與序列線性方程組方法相結合，以減少其計算量，可以克服原約束優化算法的一些缺點。最后，考慮一些帶有特殊結構的大規模優化問題，如約束Jacobian計算困難或Jacobian結構特殊，利用數值代數技術對模型降階并設計合適的優化算法。簡言之，在現有的濾子方法的研究結果基礎上，擬利用數值代數（如Krylov子空間方法）和濾子技術提出一些解決約束非線性規劃問題的新方法，完善它們的收斂性分析和其它理論分析，提高它們的計算效果。這不僅在濾子方法等數學規劃理論與算法方面有所貢獻，而且在經濟、工程、科學計算領域也具有重要的應用價值。
該項目已獲國家自然基金項目立項支持。
上海電力大學
2021-04-29
鋰電池管理系統AI算法研究
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。
西南大學
2025-05-12
人體姿態估計算法
北京體育大學沈燕飛科研團隊使用人體姿態估計算法，對擊劍比賽過程中兩名選手的身體各環節和關節的運動進行的智能識別。工手動標記數據等方法，更為高效，可應用于海量體育視頻數據的分析和未來的體育大數據的構建。
北京體育大學
2021-04-10
抗體藥物設計平臺算法
簡介：
抗體藥物是生物制藥中復合增長率最高的，2019年全球研究抗體市場規模為34億美元，預計在預測期內復合年增長率為6.2％。原研藥二次改造獲得成藥性更好的藥物分子（bio-better）是抗體和細胞因子藥物研發的突破口。人工智能技術廣泛應用在靶點篩選、分子進化、臨床各階段研究、產品上市后的活動中。
我們開發的智能抗體設計平臺，包括 抗體序列注釋分析、抗體翻譯后修飾位點的預測、抗原線性表位預測、抗體結構的預測與優化、 抗體-抗原相互作用的預測、抗體分子的設計與改造。高效的完成抗體親和力成熟、穩定性優化和人源化改造等。
優勢：
1、研發成本節約3-5倍，時間節省5倍，篩選成功率提升6倍
2、可以幫助指導、設計實驗，減少消耗，加快速度，提高準確率
3、計算方法已經得到了實驗從正、反兩方面的驗證。
圖1：深度學習算法預測蛋白質相互作用時界面氨基酸配對:成功率72.1%
圖2：計算相互作用得到了實驗從正、反兩方面的驗證
中國人民大學
2021-05-15
抗體藥物設計平臺算法
抗體藥物是生物制藥中復合增長率最高的，2019年全球研究抗體市場規模為34億美元，預計在預測期內復合年增長率為6.2％。原研藥二次改造獲得成藥性更好的藥物分子（bio-better）是抗體和細胞因子藥物研發的突破口。人工智能技術廣泛應用在靶點篩選、分子進化、臨床各階段研究、產品上市后的活動中。我們開發的智能抗體設計平臺，包括 抗體序列注釋分析、抗體翻譯后修飾位點的預測、抗原線性表位預測、抗體結構的預測與優化、 抗體-抗原相互作用的預測、抗體分子的設計與改造。高效的完成抗體親和力成熟、穩定性優化和人源化改造等。 優勢：1、研發成本節約3-5倍，時間節省5倍，篩選成功率提升6倍2、可以幫助指導、設計實驗，減少消耗，加快速度，提高準確率3、計算方法已經得到了實驗從正、反兩方面的驗證。
中國人民大學
2021-04-10
抗體藥物設計算法
技術分析(創新性、先進性、獨占性)挖掘了蛋白質分子結構的幾何特征，開發了新穎的優化設計算法，準確識別結合位點，準備預測抗體結構和抗體-抗原相互作用復合物結構，可以顯著提高藥物設計效益。自主獨立開發。已經在國際競賽中取得第一名的好成績，也應用在生物和醫學實驗中，算法和程序代碼完整。
中國人民大學
2021-04-10
抗體藥物設計算法
技術分析(創新性、先進性、獨占性)
挖掘了蛋白質分子結構的幾何特征，開發了新穎的優化設計算法，準確識別結合位點，準備預測抗體結構和抗體-抗原相互作用復合物結構，可以顯著提高藥物設計效益。自主獨立開發。
已經在國際競賽中取得第一名的好成績，也應用在生物和醫學實驗中，算法和程序代碼完整。
中國人民大學
2021-05-11
基于TLD算法和步態算法的六足多地形追蹤機器人
機器人在煤礦救援領域發揮著越來越重要的作用，但仍存在無法精確識別災后環境、無法適應井下復雜地形以及難以檢測、定位井下生命體等問題。
一、項目進展
創意計劃階段
二、負責人及成員
姓名
學院/所學專業
入學/畢業時間
柳佳樂
自動化18-2
2018-2022
劉浩峰
計算機科學與技術18-7
2018-2022
石少勇
測控技術與儀器18-2
2018-2022
欒廣鑫
電氣工程及其自動化18-5
2018-2022
李明晶
測控技術與儀器18-1
2018-2022
三、指導教師
姓名
學院/所學專業
職務/職稱
研究方向
楊洪濤
機械工程學院
教授
精密測試技術、儀器精度理論及應用、自動化測控系統
凌六一
電氣與信息工程學院
教授
智能信息處理、光電檢測及環境光譜探測技術
蘇樹智
計算機科學與工程學院
副教授
人工智能、模式識別、機器視覺、信息融合、深度學習等領域
四、項目簡介
目前，機器人在煤礦救援領域發揮著越來越重要的作用，但仍存在無法精確識別災后環境、無法適應井下復雜地形以及難以檢測、定位井下生命體等問題。為此，本團隊充分利用六足機器人高穩定性和多地形適應性的優勢，應用激光雷達、深度相機和其他輔助傳感器，設計仿生六足煤礦救援機器人，結合SLAM、A*、ROS等先進技術，實現礦井災后局部復雜環境的三維地圖構建、地形障礙物識別以及機器人自主路徑規劃。機器人所獲信息實時無線傳輸至上位機，幫助救援人員快速制定科學有效的救援方案。
安徽理工大學
2022-07-25
腫瘤醫學圖像智能診斷算法
簡介：
1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。
層級分割模型示意圖
分類模型可視化熱圖
2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。
鉬靶乳腺圖像預處理
雙側雙體位深度學習網絡
優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。
中國人民大學
2021-05-15
腫瘤醫學圖像智能診斷算法
1、胰腺腫瘤CT圖像診斷算法。針對胰腺腫瘤分類問題，從醫學CT圖像出發，搭建深度學習模型。對于腫瘤分類，我們將問題建模成兩部：胰腺定位查找和胰腺腫瘤分類。我們建立級聯分割網絡，從病人腹部的CT圖像中將胰腺器官分割出來。級聯分割網絡比之前的層級分割網絡結果提升10各點。之后建立多模態分類網絡，針對CT圖像的特性，將多切片多造影劑時期多區域的數據進行融合，在胰腺腫物分類中取得了較好的結果。層級分割模型示意圖 分類模型可視化熱圖 2、現有的乳腺癌腋窩淋巴轉移的醫療診斷措施為病理活檢，是一種過度醫療。基于乳腺鉬靶圖像的術前無創的乳腺癌腋窩淋巴轉移預測手段能夠有效避免過度醫療。我們構造了基于乳腺鉬靶圖像的深度卷積神經網絡模型來處理乳腺癌腋窩淋巴轉移問題。我們對乳腺鉬靶數據進行了預處理和數據集的整理、劃分。我們構造了三個不同的深度卷積神經網絡，患病側單體位網絡、患病側雙體位網絡和雙側雙體位四視圖網絡。其中，患病側單體位網絡分為 CC 位網絡和 MLO 位網絡。在乳腺鉬靶數據的測試集上，患病側 CC 位網絡、患病側 MLO 位網絡、患病側雙體位網絡、雙側雙體位四視圖網絡的結果依次遞增。這表明了同時使用同一患者的四張鉬靶圖像的雙側雙體位四視圖網絡具有更好的預測效果，更適合乳腺癌腋窩淋巴轉移預測任務。對于雙側雙體位四視圖網絡，我們不僅使用了雙側測試集 1，還使用了額外的雙側測試集 2 進行測試。鉬靶乳腺圖像預處理 雙側雙體位深度學習網絡 優勢：從客觀的醫學圖像數據出發，結果可重復，而且高效快捷，提高識別準確率的同時，便于臨床推廣。
中國人民大學
2021-04-10