基于卷積神經網絡的多種嗅覺感知預測方法、程序和系統,涉及化學分子信息處理技術領域,本發明在對單分子氣味物質的高維化學分子描述符特征進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網絡的IP?HKHS?CNN預測模型的輸入,針對氣味物質化學分子描述符特征之間存在大量冗余且其維度遠高于氣味物質樣本數量這一特點,本發明利用IP?HKHS?CNN網絡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過擬合。通過高效地特征提取還可以減少單分子氣味物質化學分子描述符特征中的冗余信息,從而實現了多種嗅覺感知的準確預測,并大大提高了多種嗅覺感知預測的精度。
聲明:
“基于卷積神經網絡的多種嗅覺感知預測方法、程序和系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)