龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：安徽大学
摘要：本发明提供基于Squeeze‑Excitation‑network和ConNet网络的高效深度学习方法及系统，方法包括：获取蛋白质全局序列、蛋白质局部序列，以作为样本集，设定DeepNet深度框架的模型参数；划分得到训练集、验证集，设置DeepNet深度框架的模型架构，提取得到有效特征信息，组合所述蛋白质全局序列、所述蛋白质局部序列中的阴性样本与正样本，以送入所述DeepNet深度框架进行训练，调优超参数；对蛋白质全局序列、蛋白质局部序列自适应词嵌入编码；设计局部序列处理分支、全局序列处理分支，以不同尺度的卷积网络提取网络结构特征、长短序列之间的关键信息，据以计算得到最终预测概率。本发明解决了无法提取足够的特征信息、未充分考虑全局信息以及全局信息与局部信息之间的技术问题。
主权项：1.基于Squeeze-Excitation-network和ConNet网络的高效深度学习方法，其特征在于，所述方法包括：S1、获取蛋白质全局序列、蛋白质局部序列，以作为样本集，设定DeepNet深度框架的模型参数；S2、按预设比例划分所述样本集，以得到训练集、验证集，设置所述DeepNet深度框架的模型架构，包括：局部序列处理分支、全局序列处理分支、卷积神经网络，全局残差网络以及ConNet架构，据以处理所述蛋白质全局序列、所述蛋白质局部序列，以提取得到有效特征信息，组合所述蛋白质全局序列、所述蛋白质局部序列中阴性样本与正样本，以送入所述DeepNet深度框架进行训练，据以调优所述模型参数；S3、对所述蛋白质全局序列、所述蛋白质局部序列进行自适应词嵌入编码，以得到序列向量位置数据；S4、设计所述局部序列处理分支、所述全局序列处理分支，以利用不同尺度的卷积网络，从所述序列向量位置数据中，提取网络结构特征、长短序列之间的关键信息，据以计算得到最终预测概率。
全文数据：
权利要求：
百度查询： 安徽大学 基于Squeeze-Excitation-network和ConNet网络的高效深度学习方法及系统
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