找不到引用CSA ISO/CEI-14651-02-CAN/CSA AMD 1:2004 的标准
图片来源:ChemRxiv首先,他们需要找到一种能被机器读取的Lewis结构描述方式。在化学信息学中,通常是使用字符串方式(如SMILES、InChI等)来描述结构。然而,这类字符串没有固定的长度或可定义的起始点,基于算法的模式识别采用这样的方式就不太合适了。...
之所以这样强调,跟他们要解决的问题不无关系,那就是让AI也能理解小分子的3D结构。个中原因,需要从现有表征方式说起。目前研究主要有两种表征方式:基于序列的一维表征和基于图形的表征。一个以字符串作为输入,利用序列模型比如RNN和Transformer来学习分子表征,但存在一些明显的局限性,比如字符串语法难以理解,两个相邻的原子在文本序列上可能相距甚远;字符串的一个小变化可能导致分子结构的大变化。...
ROC曲线对于评价二分类模型非常有用,而且ROC曲线可以通过其曲线下面积AUC来解读,理想的分类模型AUC为1,随机分类AUC为0.5,因此AUC越接近1代表模型能力越强。同样地,Goh等设计了一种通用的深度CNN,称为Chemception,该网络被用于预测分子的各种性质如毒性、活性和溶解性等,重要的是该网络接受的输入数据仅为分子的二维图像而不需要其他任何化学信息。...
例如,东南大学孙文郡等采用具有无监督特征提取优势的稀疏自编码模型来学习故障特征,利用基于深度神经网络方法的稀疏自编码算法实现异步电机故障分类。 神经网络复杂系统建模存在的问题 神经网络是复杂系统的模型,但又不是一个完备的模型,主要体现在以下3个方面。 1)神经网络长于处理信息而短于描述系统的结构和演化。...
Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号