[发明专利]纳米孔测量结果的机器学习分析

权利要求书

1.一种在聚合物相对于纳米孔易位期间对从所述聚合物获取的一系列测量结果进行分析的方法，所述聚合物包括一系列聚合物单元，

所述方法包括使用机器学习技术分析所述一系列测量结果并导出对应于相应测量结果或相应测量结果组的一系列后验概率矩阵，

每个后验概率矩阵表示：就聚合物单元的对应于相应测量之前或之后的测量结果的不同相应历史序列而言，聚合物单元的所述相应历史序列的多个不同变化的后验概率产生新的聚合物单元序列。

2.根据权利要求1所述的方法，其中所述机器学习技术采用递归神经网络。

3.根据权利要求2所述的方法，其中所述递归神经网络是双向递归神经网络。

4.根据权利要求2或3所述的方法，其中所述递归神经网络包括多个层。

5.根据前述权利要求中任一项所述的方法，其中所述方法进一步包括从所述一系列后验概率矩阵导出所述一系列聚合物单元的估计值。

6.根据权利要求5所述的方法，其中从所述一系列后验概率矩阵导出所述一系列聚合物单元的估计值的步骤通过估计通过所述一系列后验概率矩阵的最可能路径来执行。

7.根据权利要求5所述的方法，其中导出所述一系列聚合物单元的估计值的步骤通过选择与所述聚合物的所述一系列聚合物单元最相似的一组多个参考系列聚合物单元中的一个来执行。

8.根据权利要求5所述的方法，其中导出所述一系列聚合物单元的估计值的步骤通过估计所述聚合物的所述一系列聚合物单元与来自所述一系列后验概率矩阵的参考系列聚合物单元之间的差异来执行。

9.根据权利要求5所述的方法，其中所述估计是对所述聚合物的所述一系列聚合物单元的部分是否为参考系列聚合物单元的估计。

10.根据前述权利要求中任一项所述的方法，其进一步包括导出关于至少一个参考系列聚合物单元的得分，所述得分表示所述聚合物的所述一系列聚合物单元是所述参考系列聚合物单元的概率。

11.根据前述权利要求中任一项所述的方法，其中所述多个不同变化包含以下变化：从聚合物单元的所述历史序列的起点或末端移除单个聚合物单元；以及将单个聚合物单元添加到聚合物单元的所述历史序列的末端或起点。

12.根据前述权利要求中任一项所述的方法，其中所述多个不同变化包含以下变化：从聚合物单元的所述历史序列的起点或末端移除两个或更多个聚合物单元；以及将两个或更多个聚合物单元添加到聚合物单元的所述历史序列的末端或起点。

13.根据前述权利要求中任一项所述的方法，其中所述多个不同变化包含空变化。

14.根据前述权利要求中任一项所述的方法，其中分析所述一系列测量结果包括：

将所述一系列测量结果中的连续测量结果组识别为属于共同事件；

从每个经过识别的测量结果组中导出一个或多个量；以及

使用所述机器学习技术对从每个经过识别的测量结果组中导出的所述一个或多个量进行操作，所述后验概率矩阵对应于相应经过识别的测量结果组。

15.根据权利要求1到13中任一项所述的方法，其中所述后验概率矩阵对应于相应测量结果或相应预定数量测量结果的组。

16.根据权利要求15所述的方法，其中分析所述一系列测量结果包括：

在所述一系列测量结果的连续窗口中对连续测量结果执行卷积，以导出关于每个窗口的特征向量；以及

使用所述机器学习技术对所述特征向量进行操作。