公开(公告)号：CN117012277A

公开(公告)日：2023-11-07

申请号：CN202311151750.4

申请日：2023-09-07

Applicant: 湖南科技大学

Inventor： 彭理 ,  杨雨洁 ,  王旺 ,  黎华平 ,  杨嘉怀 ,  梁伟

IPC: G16B25/10 ,  G16H50/20 ,  G06N3/0464 ,  G06F18/22 ,  G06F17/16 ,  G16H50/30

Abstract: 本发明公开了一种基于层细化图卷积神经网络预测疾病lncRNA的方法，包括以下步骤：融合节点的多种相似性信息；利用构建异构网络；使用带分层细化机制的图卷积神经网络学习异构网络中每个节点的特征聚合信息；将细化的每一隐藏层的特征信息整合，得到节点的最终特征表达；对最终特征表达矩阵应用矩阵转置乘法，得到lncRNA‑疾病对的预测关联分数。本发明将分层细化机制融入到图卷积神经网络中，使其能在消息传播过程中，充分考虑每一隐藏层与节点初始特征层之间的相似性，能够放大与初始层更相似层的权重，减小与初始层不相似的层的权重，从而解决深度神经网络中常见的过度平滑问题。