一种基于图神经网络的化学分子图分类方法及系统.pdfVIP

下载本文档

2
0
约1.94万字
约 16页
2023-07-15 发布于四川
举报
版权申诉

一种基于图神经网络的化学分子图分类方法及系统.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明提供了一种基于图神经网络的化学分子分类方法及系统，该方法包括将化学分子图表示成拓扑图；生成所有节点的特征向量并构成特征矩阵；构建拓扑图的度矩阵；生成每个节点的第一邻居子图；计算各节点对称归一化后的残差子图拉普拉斯矩阵并生成残差整图拉普拉斯矩阵，计算各个节点及其邻居节点的结构系数，构建成结构系数矩阵；计算加权邻接矩阵；构建基于图神经网络的初始化学分子分类模型；获取样本图训练初始化学分子分类模型。本发明在局部的邻居子图上构建残差结构，通过度量所有节点间的距离表达原子之间关系，丰富真实化学键的连

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116434873 A (43)申请公布日 2023.07.14 (21)申请号 202310390580.9 (22)申请日 2023.04.12 (71)申请人北京建筑大学