-
公开(公告)号：CN115050428B
公开(公告)日：2024-06-14
申请号：CN202210654644.7
申请日：2022-06-10
Applicant: 华南理工大学
IPC: G16C20/30 , G16C20/50 , G16C20/70 , G06N3/0985
Abstract: 本发明公开基于深度学习融合分子图及指纹的药物性质预测方法及系统。该预测方法为：对于不同药物性质的预测；构建适用于药物性质预测的深度学习模型；根据模型构建的需求，选择具体方式，将数据集拆分为为训练集、测试集和验证集；将数据集输入网络模型中，根据训练集预测结果和训练集真值的差距对网络中的参数进行训练更新，根据验证集上的最优结果确定最优网络参数，对测试集数据进行检测；根据超参数优化策略，确定模型的最优超参数组合；对于不同药物性质的预测，生成针对性的最优模型，以供后续应用于新的小分子药物性质预测。本发明融合了经典的分子指纹特征，解决了深度学习在小规模数据集上无法有效提取到重要特征的缺陷。
-
公开(公告)号：CN115050428A
公开(公告)日：2022-09-13
申请号：CN202210654644.7
申请日：2022-06-10
Applicant: 华南理工大学
Abstract: 本发明公开基于深度学习融合分子图及指纹的药物性质预测方法及系统。该预测方法为：对于不同药物性质的预测；构建适用于药物性质预测的深度学习模型；根据模型构建的需求，选择具体方式，将数据集拆分为为训练集、测试集和验证集；将数据集输入网络模型中，根据训练集预测结果和训练集真值的差距对网络中的参数进行训练更新，根据验证集上的最优结果确定最优网络参数，对测试集数据进行检测；根据超参数优化策略，确定模型的最优超参数组合；对于不同药物性质的预测，生成针对性的最优模型，以供后续应用于新的小分子药物性质预测。本发明融合了经典的分子指纹特征，解决了深度学习在小规模数据集上无法有效提取到重要特征的缺陷。
-
公开(公告)号：CN117608591A
公开(公告)日：2024-02-27
申请号：CN202311377892.2
申请日：2023-10-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种云边端协同大模型轻量化部署平台系统及方法，其中系统包括：用户模块和管理员模块；所述用户模块包括专业用户模块和普通用户模块，普通用户模块包括用户基础功能模块、数据管理模块、部署管理模块和部署结果分析模块，专业用户模块比普通用户模块多增加一个模型与算法管理模块；所述管理员模块包括管理员基础功能模块和文档管理模块。本发明通过云边端协同集群，将预训练大模型与下游场景部署算法解耦，用户仅需按照给定格式准备数据，并选择大模型和部署算法即可完成预训练大模型的迁移部署，极大地降低了大模型部署的人力资源成本。本发明可广泛应用于大模型部署的技术领域。
-
-
Search Results
3
records
(took 0.016 seconds)
