基于卷積神經(jīng)網(wǎng)絡(luò)的多種嗅覺感知預(yù)測方法、程序和系統(tǒng),涉及化學(xué)分子信息處理技術(shù)領(lǐng)域,本發(fā)明在對單分子氣味物質(zhì)的高維化學(xué)分子描述符特征進(jìn)行基于特征取值多樣性的特征選擇和MinMax歸一化處理后,將其作為基于卷積神經(jīng)網(wǎng)絡(luò)的IP?HKHS?CNN預(yù)測模型的輸入,針對氣味物質(zhì)化學(xué)分子描述符特征之間存在大量冗余且其維度遠(yuǎn)高于氣味物質(zhì)樣本數(shù)量這一特點(diǎn),本發(fā)明利用IP?HKHS?CNN網(wǎng)絡(luò)模型中大卷積核和大步長能夠更有效地提取特征,并可以弱化全連接層以防止模型出現(xiàn)過擬合。通過高效地特征提取還可以減少單分子氣味物質(zhì)化學(xué)分子描述符特征中的冗余信息,從而實(shí)現(xiàn)了多種嗅覺感知的準(zhǔn)確預(yù)測,并大大提高了多種嗅覺感知預(yù)測的精度。
聲明:
“基于卷積神經(jīng)網(wǎng)絡(luò)的多種嗅覺感知預(yù)測方法、程序和系統(tǒng)” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)