[发明专利]一种基于深度学习模型的自监督分子分类方法在审
| 申请号： | 202211152888.1 | 申请日： | 2022-09-21 |
| 公开（公告）号： | CN115526246A | 公开（公告）日： | 2022-12-27 |
| 发明（设计）人： | 杜伟;赵璇;肖剑弘;唐诗熠;李瑛;梁艳春 | 申请（专利权）人： | 吉林大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G16C10/00 |
| 代理公司： | 北京专赢专利代理有限公司 11797 | 代理人： | 李斌 |
| 地址： | 130012 吉林省长春市前进*** | 国省代码： | 吉林;22 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明适用于分子分类技术领域，提供了一种基于深度学习模型的自监督分子分类方法，包括以下步骤：步骤1：将原始的分子处理成用邻接矩阵和特征矩阵表示的形式，然后用图进行表示；步骤2：将图作为图神经网络模块的输入，得到分子的局部特征，从而对分子的性质做出预测；步骤3：在正样本对和负样本对之间采用标准的二分类交叉熵损失函数来调整自监督学习任务。该方法对于筛选特定疾病的候选药物具有重要意义，特别是对于没有标签的新分子数据集，能够达到快速分类的目的。不仅可以代替研究人员耗时的手动标注，把时间缩短在较短的范围内，而且可以一定程度控制误差，既保证了实时性，又保证了准确性。 | ||
| 搜索关键词： | 一种 基于 深度 学习 模型 监督 分子 分类 方法 | ||
【主权项】：
暂无信息
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吉林大学，未经吉林大学许可，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/202211152888.1/，转载请声明来源钻瓜专利网。
