原创力文档- 1、本文档共70页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
目录
摘要I
AbstractIII
1绪论1
1.1研究背景及意义1
1.1.1研究背景1
1.1.2研究意义2
1.2国内外研究现状3
1.2.1分子表示学习3
1.2.2分子小样本学习4
1.2.3自监督表征学习5
1.3论文研究内容及贡献5
1.3.1研究内容5
1.3.2论文贡献6
1.3.3论文结构7
2基于自监督表征学习的级联注意力网络和两阶段对比学习分子性质预测方法9
2.1问题引入9
2.2CasANGCL模型10
2.2.1CasANGCL模型框架10
2.2.2PreGCACLNet预训练模块11
2.2.3FinGCACLNet模块15
2.3实验结果与分析16
2.3.1实验数据16
2.3.2数据集处理17
2.3.3评估指标17
2.3.4对比模型17
2.3.5实验结果分析17
2.4讨论20
2.4.1模型大小20
2.4.2消融实验21
2.4.3可视化分析22
2.4.4模型效率分析23
2.5本章小结24
3基于跨模态信息流和分层注意力增强的分子性质预测方法25
3.1问题引入25
3.2EMPPNet模型27
3.2.1EMPPNet模型架构27
3.2.2分子表示编码模块27
3.2.3分层注意力机制模块28
3.2.4分子重构模块30
3.2.5预测层模块30
3.3实验结果与分析31
3.3.1实验数据31
3.3.2评估指标31
3.3.3对比模型32
3.3.4实验结果分析32
3.4讨论35
3.4.1消融实验35
3.4.2参数敏感性分析39
3.5本章小结40
4基于预训练任务示感知的多模态分子性质预测方法41
4.1问题引入41
4.2MTPP模型42
4.2.1MTPP模型框架42
4.2.2多任务预训练模块43
4.2.3多层次预训练任务模块44
4.2.4分子表示编码模块45
4.3实验结果与分析45
文档评论（0）