原创力文档- 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
查看更多
本发明是一种基于多视图的图神经网络的分子性质预测方法。首先通过将化学分子图建模成图和节点嵌入，并对生成的图进行随机扰动。在节点级的表示学习中，使用注意力机制来聚合节点信息，并通过无监督对比学习来提高表示的一致性。在图级的表示学习中，通过最大化锚点与正表示之间的语义一致性，并最小化锚点与负表示之间的语义一致性来提高图的表示。最后，使用多层感知机对最终得到的图表示进行分类预测。本发明解决了现有图分类方法无法保证扰动图和原始图之间语义一致性的问题，分子分类准确性和模型的鲁棒性方面具有显著的优势。通过充
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117594153A
(43)申请公布日2024.02.23
(21)申请号202311646162.8
(22)申请日2023.12.04
(71)申请人电子科技大学长三角研究院（湖州）
文档评论（0）