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：鲁东大学
摘要：本发明属于生物信息学领域，涉及一种基于对比学习的无负样本合成致死预测方法，其中包括深度学习、对比学习、注意力机制等技术。首先，将合成致死基因对进行预处理，得到特征提取后的信息，并将预处理后的数据堆叠成张量的形式，以便输入到神经网络模型中；其次，将数据通过注意力机制层进行特征变换，并使用多层感知器作为在线编码器和目标编码器，对数据进行编码处理；最后，在线编码器的输出通过预测器进行映射处理，以获得最终的预测结果。该方法提高了模型对于负样本稀缺或难以获取情况下的预测能力，对疾病的预测具有重要意义。
主权项：1.一种基于对比学习的无负样本合成致死预测方法，包括输入数据的准备、通过注意力机制层进行特征变换、预测器的映射处理以及在线编码器和目标编码器的编码处理，四个过程，其具体步骤如下：步骤1、首先通过函数加载知识图谱数据，其中包括合成致死基因对的ID信息，然后对知识图谱数据进行处理，计算知识图谱数据的均值，并建立基因ID到索引的映射；步骤2、首先将输入的基因数据进行标准化，然后在输入数据的不同位置上进行自注意力计算，从而捕获输入之间的关系，接下来将原始输入数据与经过Transformer处理后的数据进行相加得到输出；步骤3、将经过Transformer处理后的基因数据送入多层感知器编码器进行编码处理，在前向传播中，通过调用在线编码器和目标编码器对数据进行编码，得到在线编码器和目标编码器的输出；多层感知器包含三个全连接层和两个批归一化层，每个线性层之间都有LeakyReLU激活函数；其中第一个隐藏层结点数为512，第二个隐藏层结点数为256，每个全连接层的输入特征数由上一层的输出特征数决定，最后一个全连接层结点数为256；步骤4、将在线编码器的输出送入到预测器进行映射处理，这里的预测器是一个简单的线性层，其目的是将在线编码器的输出映射到一个更适合进行对比学习的潜在空间。
全文数据：
权利要求：
百度查询： 鲁东大学 一种基于对比学习的无负样本合成致死预测方法
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