-
公开(公告)号:CN116864032A
公开(公告)日:2023-10-10
申请号:CN202310899643.3
申请日:2023-07-21
Applicant: 南京大学 , 南京大学宜兴环保研究院 , 重庆大学
Abstract: 本发明公开了一种判断图神经网络模型中子结构活性的方法及系统,该方法首先在图神经网络模型中匹配含有第一子结构的所有化合物的集合,提取在所述化合物中含有该第一子结构的第二子结构集合,然后利用所述图神经网络模型计算每个第二子结构的活性或毒性预测值,以及每个第二子结构掩蔽第一子结构的活性或毒性预测值;计算第一子结构对于每个化合物的活性的贡献值;最后将所有贡献值的均值与阈值比较,判断所述第一子结构在所述图神经网络模型中是否为活性子结构;本发明在图神经网络模型中进一步探究结构‑活性关系,提供模型可解释性,深化领域理解,且计算结果准确可信,对推动图神经网络模型在化学、药物计算学等领域的应用有重要意义。
-
公开(公告)号:CN119380860A
公开(公告)日:2025-01-28
申请号:CN202411625511.2
申请日:2024-11-14
Abstract: 本发明公开了一种中性有机化学品迁移能力评估方法及系统,所述评估方法包括建立迁移能力评估数据源,并基于评估数据源构建中性有机化学品有机碳归一化吸附系数KOC预测模型;基于有机碳归一化吸附系数KOC值构建连续性迁移能力评估指标M,根据M的评估限值评估该中性有机化学品的迁移能力;待评估化学品分类及迁移能力评估。本发明能够体现中性有机物质的迁移能力大小且提高评估准确性。
-
公开(公告)号:CN116522098A
公开(公告)日:2023-08-01
申请号:CN202310310884.X
申请日:2023-03-28
Applicant: 南京大学
Abstract: 本发明公开了一种判断分类任务深度学习模型预测结果可靠性的方法,对于预测样本,通过神经网络模型最后一层神经网络信息找到与其相似性最高的训练集样本,并根据相似性最高的训练集样本是否位于分类边界来判断模型对预测样本的预测结果是否可靠。本发明可以解决在分类任务深度学习模型预测过程中,预测结果可靠性未知导致深度学习模型难以被认可并应用的局限性。本发明的判断分类任务深度学习模型预测结果可靠性的方法准确可信、简单易行且便于理解,对于提升分类任务深度学习模型适用性具有重要意义。
-
-