[发明专利]纳米孔测量结果的机器学习分析在审
| 申请号： | 201880026701.9 | 申请日： | 2018-05-04 |
| 公开（公告）号： | CN110546655A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 蒂莫西·李·马辛厄姆;约瑟夫·爱德华·哈尔韦 | 申请（专利权）人： | 牛津楠路珀尔科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;C12Q1/6869;G01N33/487 |
| 代理公司： | 11240 北京康信知识产权代理有限责任公司 | 代理人： | 王红艳<国际申请>=PCT/GB2018 |
| 地址： | 英国*** | 国省代码： | 英国;GB |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开提供了纳米孔测量结果的机器学习分析。采用使用递归神经网络(RNN)的机器学习技术分析在通过纳米孔易位期间从聚合物获取的一系列测量结果。所述RNN可以导出后验概率矩阵，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。可替代地，所述RNN可以输出关于所述一系列聚合物单元的连续聚合物单元的标识的决策，其中所述决策被反馈到所述递归神经网络中。所述分析可以包括使用如卷积神经网络等经过训练的特征检测器对连续测量结果组执行卷积，以导出作为RNN操作对象的一系列特征向量。 | ||
| 搜索关键词： | 聚合物单元 后验概率 递归神经网络 纳米孔 导出 矩阵 机器学习技术 卷积神经网络 连续聚合物 特征检测器 操作对象 机器学习 矩阵表示 连续测量 特征向量 聚合物 分析 结果组 卷积 易位 决策 测量 反馈 输出 替代 | ||
【主权项】：
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，/n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，/n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。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于牛津楠路珀尔科技有限公司，未经牛津楠路珀尔科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201880026701.9/，转载请声明来源钻瓜专利网。
