原创力文档- 1、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。。
- 2、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。
- 3、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)。
- 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
分子物化性质深度学习的化学语言建模框架研究
目录
内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.3研究内容及目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
1.4研究方法与技术路线．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
1.5论文结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
相关理论与技术基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
2.1分子表示方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
2.1.1经典分子描述符．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
2.1.2量子化学计算方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
2.1.3特征嵌入技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
2.2深度学习模型概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
2.2.1前馈神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36
2.2.2卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
2.2.3循环神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
2.2.4注意力机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
2.3化学语言模型基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46
2.3.1核心理念与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
2.3.2常用模型类型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
2.4本章节小结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53
基于深度学习的分子物化性质预测模型构建．．．．．．．．．．．．．．．．．54
3.1数据集构建与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．59
3.1.1实验数据来源．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．60
3.1.2数据预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．61
3.1.3数据集划分与标注．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．63
3.2分子结构表征策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．65
3.2.1图像表示方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．67
3.2.2序列表示方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．69
3.2.3注意力增强的分子表示．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．70
3.3深度学习模型设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．76
3.3.1网络架构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．78
3.3.2激活函数选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．83
3.3.3损失函数与优化算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．85
3.4模型训练与评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．90
3.4.1训练参数设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．92
3.4.2性能评价指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．93
3.4.3模型对比与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．
文档评论（0）