作者：高双印; 田生伟; 禹龙; 史新宇抗hiv活性深度信念网络非监督精度预测
摘要：为提高抗HIV活性预测的精度,采用深度学习算法,提出一种基于深度信念网络的抗HIV活性预测方法。利用BP神经网络任意精度逼近非线性函数的优点,结合多个受限玻尔兹曼机（restricted Boltzmann machine,RBM）进行非监督逐层贪婪模式训练学习,建立深度信念网络算法模型（deep belief network,DBN）。将抗HIV活性的高温超导源数据（HTS raw data）、高温超导抑制剂（HTS%inhibition（20μM））、最大测定信号释放比率（mean max signal）等特征作为DBN模型的输入,抗HIV平均活性值作为该模型的输出,设计实验对模型进行训练及验证,实验结果表明,DBN模型对抗HIV活性的预测均方根误差小,预测精度高,平均预测精度为93.82%,适用于抗HIV活性评估。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
