发明名称 |
基于Torch监督式深度学的基因性状识别方法 |
摘要 |
本发明涉及生物信息技术领域,具体涉及基于Torch监督式深度学的基因性状识别方法,它采用如下的技术方案:步骤一:基因PNG图像信息数据的预处理,以符合用于Torch深度学模型训练的Tensor数据对象;步骤二:利用Torch构建深度学模型,在深度卷积神经网络模型中对Tensor训练数据进行训练,得到理想的训练数据识别结果后输出标签向量和权重参数;步骤三:在模型训练成功后,可以针对结果标签的某一类别提取所有训练完成后各个连接之间的权重参数,再对基因图像数据信息进行反编码,从而得到与基因对应性状的相关SNP位点以及相应权重参数;具有能够更方便及智能的进行基因的对应性状分类,对未知性状的基因进行自我识别等优点。 |
申请公布号 |
CN106096327A |
申请公布日期 |
2016.11.09 |
申请号 |
CN201610399255.9 |
申请日期 |
2016.06.07 |
申请人 |
广州麦仑信息科技有限公司 |
发明人 |
尹勰;谢清禄;余孟春 |
分类号 |
G06F19/12(2011.01)I;G06F19/24(2011.01)I |
主分类号 |
G06F19/12(2011.01)I |
代理机构 |
|
代理人 |
|
主权项 |
基于Torch监督式深度学习的基因性状识别方法,其特征在于:它采用如下的技术方案:步骤一:基因PNG图像信息数据的预处理,以符合用于Torch深度学习模型训练的Tensor数据对象;步骤二:利用Torch构建深度学习模型,在深度卷积神经网络模型中对Tensor训练数据进行训练,得到理想的训练数据识别结果后输出标签向量和权重参数;步骤三:在模型训练成功后,可以针对结果标签的某一类别提取所有训练完成后各个连接之间的权重参数,再对基因图像数据信息进行反编码,从而得到与基因对应性状的相关SNP位点以及相应权重参数,从而识别该基因信息的对应性状,发现其表现性状与该基因SNP的关联关系。 |
地址 |
510665 广东省广州市经济技术开发区瑞和路79号205-7 |