| 主权项 |
一种基于级联神经网络结构的蛋白质关联图的预测方法，采用6个神经网络子网以及由该6个神经网络子网形成的1个级联网络的结构，其特征在于该方法具体步骤如下：A．建立标准的6个神经网络子网及1个级联网络，所述的每个神经网络子网由输入层、中间隐含层及输出层组成；B．读取蛋白质数据集，并依据蛋白质长度进行分类，将蛋白质长度在51‑70之间的蛋白质数据划为数据子集1，长度在71‑90之间的蛋白质数据划为数据子集2, 长度在91‑130之间的蛋白质数据划为数据子集3，长度在131‑190之间的蛋白质数据划为数据子集4, 长度在191‑290之间的蛋白质数据划为数据子集5, 长度在291‑450之间的蛋白质数据划为数据子集6；从每个数据子集随机选取50个蛋白质数据作为训练集，剩余作为测试集，最终得到6个训练集和6个测试集；C．采用反向传播算法，使用6个训练集对相应的6个神经网络子网进行训练学习，得到训练后的6个神经网络子网；D．分别使用6个训练集及步骤C所得训练后的6个神经网络子网对级联神经网络进行训练学习，得到最终可用于蛋白质关联图预测的级联神经网络；E．将步骤B所得6个测试集中的待预测蛋白质进行编码，依次将编码后的每个蛋白质数据对应输入到步骤C所得的训练后的神经网络子网组进行级联网络结构中第一层预测，得到该蛋白质初步的关联图；重复本步骤,直到完成测试集中所有蛋白质的第一层预测；F．将步骤E所得的蛋白质初步的关联图输入至级联神经网络，得到蛋白质最终的关联图。 |
