龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西安电子科技大学
申请日：2024-04-11
公开（公告）日：2024-06-21
公开（公告）号：CN118230844A
主分类号：G16C20/20
分类号：G16C20/20;G16C20/70;G06F18/23;G06F18/214;G06N3/09
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开一种基于聚类监督多粒度对比学习方法的小分子性质预测方法，其步骤为：生成无标签的训练集和带标签的微调样本集；构建混合消息传递的图神经子网络；生成聚类监督多粒度对比学习网络的损失函数，训练和微调构建的聚类监督多粒度对比学习网络；将待预测的小分子输入到训练好的聚类监督多粒度对比学习网络中，输出性质预测结果。本发明能够从单一的分子表示中更精准地捕捉分子的关键子结构特征，深入挖掘并有效利用多源异构分子数据的中的层级信息，使得用于小分子性质预测的分子表征兼具特异性与互补性，从而提升了小分子性质预测的准确率。
主权项：1.一种基于聚类监督多粒度对比学习的小分子性质预测方法，其特征在于，设计混合消息传递的图神经子网络和聚类监督多视角对比学习子网络，构建聚类监督多粒度对比学习网络，利用无标签样本集和有标签样本集训练和微调网络，该预测方法的具体步骤包括如下：步骤1，生成无标签的训练集；步骤2，生成带标签的微调样本集；步骤3，构建混合消息传递的图神经子网络；步骤4，生成聚类监督多粒度对比学习网络的损失函数；步骤5，构建由循环神经网络、第一混合消息传递的图神经子网络、第二混合消息传递的图神经子网络并联组成的聚类监督多粒度对比学习网络，并训练和微调聚类监督多粒度对比学习网络；步骤6，将待预测的小分子输入到训练好的聚类监督多粒度对比学习网络中，输出性质预测结果。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于聚类监督多粒度对比学习的小分子性质预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号