基于卷积神经网络的多种嗅觉感知预测方法、程序和系统，涉及化学分子信息处理技术领域，本发明在对单分子气味物质的高维化学分子描述符特征进行基于特征取值多样性的特征选择和MinMax归一化处理后，将其作为基于卷积神经网络的IP‑HKHS‑CNN预测模型的输入，针对气味物质化学分子描述符特征之间存在大量冗余且其维度远高于气味物质样本数量这一特点，本发明利用IP‑HKHS‑CNN网络模型中大卷积核和大步长能够更有效地提取特征，并可以弱化全连接层以防止模型出现过拟合。通过高效地特征提取还可以减少单分子气味物质化学分子描述符特征中的冗余信息，从而实现了多种嗅觉感知的准确预测，并大大提高了多种嗅觉感知预测的精度。
声明：
“基于卷积神经网络的多种嗅觉感知预测方法、程序和系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1240
编辑：管理员
来源：北方有色网
咨询细节
