公开(公告)号：CN107577924B

公开(公告)日：2021-05-11

申请号：CN201710951364.1

申请日：2017-10-13

Applicant: 上海交通大学

Inventor： 曹真 ,  杨旸 ,  沈红斌

IPC: G16B40/30 ,  G06N3/08

Abstract: 本发明涉及RNA生物学领域，具体涉及一种基于深度学习的长链非编码RNA(long noncoding RNA，lncRNA)亚细胞位置预测算法。针对多分类问题训练样本中存在的类别不均衡性，本发明提出了一种新型的上采样方法来对训练样本进行预处理。采用堆叠的栈式自编码器来对序列的原始特征进行特征提取。本发明采用了基于深度学习的融合算法来整合多个分类器的预测效果。采用上采样方法大大减小了数据集的不平衡性对分类器效果的影响。在原始特征中有效提取出了区分度较高的更高层次特征。采用基于深度学习的融合算法整合各个分类器的预测结果，提高了鲁棒性，更加适应亚细胞位置多样性和复杂性的具体情形。

公开(公告)号：CN107577924A

公开(公告)日：2018-01-12

申请号：CN201710951364.1

申请日：2017-10-13

Applicant: 上海交通大学

Inventor： 曹真 ,  杨旸 ,  沈红斌

IPC: G06F19/24 ,  G06N3/08

Abstract: 本发明涉及RNA生物学领域，具体涉及一种基于深度学习的长链非编码RNA(long noncoding RNA，lncRNA)亚细胞位置预测算法。针对多分类问题训练样本中存在的类别不均衡性，本发明提出了一种新型的上采样方法来对训练样本进行预处理。采用堆叠的栈式自编码器来对序列的原始特征进行特征提取。本发明采用了基于深度学习的融合算法来整合多个分类器的预测效果。采用上采样方法大大减小了数据集的不平衡性对分类器效果的影响。在原始特征中有效提取出了区分度较高的更高层次特征。采用基于深度学习的融合算法整合各个分类器的预测结果，提高了鲁棒性，更加适应亚细胞位置多样性和复杂性的具体情形。