申请/专利权人：李高峰

申请日：2023-04-04

公开（公告）日：2024-04-12

公开（公告）号：CN117877587A

主分类号：G16B40/00

分类号：G16B40/00;G16B25/00;G06N3/0464;G06N3/048;G06N3/082;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开一种全基因组预测模型的深度学习算法，涉及大数据识别或者处理技术领域，解决的问题是如何通过深度学习算法实现基因预测。深度学习算法的实现方法包括：步骤一、构建深度学习算法模型；步骤二、通过输入层输入作物数据；步骤三、通过卷积层提取维度特征并通过校正线性激活函数实现特定非线性转换；步骤四、通过随机丢弃层简化神经网络；步骤五、通过批归一化层消除层间输入分布差异；步骤六、重复通过卷积层和随机丢弃层；步骤七、通过展平层将多维数据转化为一维；步骤八、通过全连接层综合预测结果；步骤九、采用回调函数适时中断训练；本发明提高了多组数据预测的准确度和效率，大大提高了数据信息识别和处理能力。

主权项：1.一种全基因组预测模型的深度学习算法，其特征在于：包括以下步骤：步骤一、构建全基因组预测模型的深度学习算法模型；所述深度学习算法模型包括输入层、卷积层、批归一化层、随机丢弃层、展平层、全连接层和输出层；所述输入层的输出端与所述卷积层输入端连接，所述卷积层的输出端与所述随机丢弃层的输入端连接，所述随机丢弃层的输出端与所述批归化一层的输入端连接，所述批归化一层的输出端与所述卷积层的输入端连接，所述随机丢弃层的输出端与所述卷积层的输入端连接，所述卷积层的输出端与所述展平层的输入端连接，所述展平层的输出端与所述全连接层的输入端连接，所述全连接层的输出端与所述输出层的输入端连接；步骤二、通过输入层将玉米、小麦或番茄作物群体数据输入至卷积层分析处理；步骤三、所述玉米、小麦或番茄作物群体数据通过卷积层提取数据维度特征，以获取玉米、小麦或番茄作物潜在生长规律，所述卷积层配合校正线性激活函数ReLU实现玉米、小麦或番茄作物单一样本特征的特定非线性转换，以提高全基因组预测的准确度，所述玉米、小麦或番茄作物的群体数据维度包括耐盐碱性、抗病性、抗逆性和产量；步骤四、所述随机丢弃层通过随机丢弃深度学习神经网络节点并删除节点前后连接简化深度学习神经网络，以抑制过拟合现象；步骤五、所述批归一化层通过标准化处理输入玉米、小麦或番茄作物群体数据消除深度学习神经网络层间输入分布差异，以提高深度学习神经网络训练的收敛速度；步骤六、所述玉米、小麦或番茄作物群体数据重复通过卷积层实现多组学复杂数据维度特征提取，以实现玉米、小麦或番茄作物全基因组预测；所述玉米、小麦或番茄作物群体数据重复输入随机丢弃层实现过拟合现象的有效抑制；步骤七、通过展平层将多维玉米、小麦或番茄作物群体数据转化为一维玉米、小麦或番茄作物群体数据并传输至全连接层；步骤八、所述全连接层通过分类整合玉米、小麦或番茄作物群体预测数据实现玉米、小麦或番茄作物的全基因组综合预测；步骤九、深度学习神经网络训练全过程采用调用回调函数访问深度学习算法模型状态及性能，所述回调函数根据深度学习算法模型状态及性能采用停止标准中断深度学习训练、保存深度学习算法模型、加载不同深度学习算法模型权重或改变深度学习算法模型状态，以避免过拟合现象发生。

全文数据：

权利要求：

百度查询： 李高峰 一种全基因组预测模型的深度学习算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD