期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ELMC的蛋白质折叠识别方法
1
作者
唐立力
《计算机工程与应用》
CSCD
2013年第10期114-117,共4页
传统的机器学习方法在处理蛋白质折叠类型识别问题时需要花费大量的时间来调节最佳参数,利用一种新的极限学习机(Extreme Learning Machine,ELM)分类优化方法(Extreme Learning Machine for Classification,ELMC)对蛋白质折叠进行识别,...
传统的机器学习方法在处理蛋白质折叠类型识别问题时需要花费大量的时间来调节最佳参数,利用一种新的极限学习机(Extreme Learning Machine,ELM)分类优化方法(Extreme Learning Machine for Classification,ELMC)对蛋白质折叠进行识别,仅需调节很少的参数值就可达到很好的测试精度。与支持向量机(Support Vector Machine,SVM)和推荐相关向量机(Relevance Vector Machine,RVM)相比,ELMC能获得更好的泛化性能,而且在寻找最优解的训练时间比较上,ELMC比SVM平均要快35倍,比RVM要快12倍。
展开更多
关键词
蛋白质折叠识别
ELM分类优化方法
多类分类
在线阅读
下载PDF
职称材料
极限学习机优化方法在蛋白质折叠类型识别中的应用
2
作者
张志锋
范乃梅
《科学技术与工程》
北大核心
2013年第11期3002-3005,3011,共5页
传统的机器学习方法在处理蛋白质折叠类型识别问题时需要花费大量的时间来调节最佳的参数。利用一种新的极限学习机(Extreme Learning Machine,ELM)分类优化方法(Extreme Learning Machine for Classification,ELMC)对蛋白质折叠进行识...
传统的机器学习方法在处理蛋白质折叠类型识别问题时需要花费大量的时间来调节最佳的参数。利用一种新的极限学习机(Extreme Learning Machine,ELM)分类优化方法(Extreme Learning Machine for Classification,ELMC)对蛋白质折叠进行识别,仅需调节很少的参数值就可达到很好的测试精度。与支持向量机(Support Vector Machine,SVM)和推荐相关向量机(Relevance Vector Machine,RVM)相比,ELMC能获得更好的泛化性能,而且在寻找最优解的训练时间比较上,ELMC比SVM平均要快35倍,比RVM要快12倍。
展开更多
关键词
蛋白质折叠识别
ELM分类优化方法
多类分类
在线阅读
下载PDF
职称材料
基于卷积神经网络的蛋白质折叠类型最小特征提取
被引量：
1
3
作者
潘越
王骏
+2 位作者
李文飞
张建
王炜
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2020年第5期744-753,共10页
通过蛋白质的序列、结构等信息构建完整的蛋白质宇宙是生物信息学中的重要课题,相关研究对蛋白质结构预测、蛋白质进化路径分析以及蛋白质结构设计等方面的研究都有重要的意义.从蛋白质结构的一种简化表示——蛋白质接触图出发,通过训...
通过蛋白质的序列、结构等信息构建完整的蛋白质宇宙是生物信息学中的重要课题,相关研究对蛋白质结构预测、蛋白质进化路径分析以及蛋白质结构设计等方面的研究都有重要的意义.从蛋白质结构的一种简化表示——蛋白质接触图出发,通过训练卷积神经网络进行特征提取,筛选出可识别结构域折叠类型的最小特征向量,构建蛋白质折叠类型空间,并使用谱聚类等方法对不同蛋白质折叠类型的高维分布情况进行分析.得到的最小特征向量兼顾了信息的完整性与冗余度,可以很好地表示全部七种常见蛋白质类的空间关联.该研究结果填补了之前蛋白质宇宙研究中对不常见类的空间位置和相互关系描述的空白,加深了对于蛋白质结构相似性的理解.
展开更多
关键词
蛋白质
宇宙
深度学习
卷积神经网络
蛋白质
折叠
类型
识别
在线阅读
下载PDF
职称材料
题名
基于ELMC的蛋白质折叠识别方法
1
作者
唐立力
机构
重庆工商大学融智学院
出处
《计算机工程与应用》
CSCD
2013年第10期114-117,共4页
文摘
传统的机器学习方法在处理蛋白质折叠类型识别问题时需要花费大量的时间来调节最佳参数,利用一种新的极限学习机(Extreme Learning Machine,ELM)分类优化方法(Extreme Learning Machine for Classification,ELMC)对蛋白质折叠进行识别,仅需调节很少的参数值就可达到很好的测试精度。与支持向量机(Support Vector Machine,SVM)和推荐相关向量机(Relevance Vector Machine,RVM)相比,ELMC能获得更好的泛化性能,而且在寻找最优解的训练时间比较上,ELMC比SVM平均要快35倍,比RVM要快12倍。
关键词
蛋白质折叠识别
ELM分类优化方法
多类分类
Keywords
protein fold recognition
optimization method of ELM for classification
multi-class classification
分类号
TP315 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
极限学习机优化方法在蛋白质折叠类型识别中的应用
2
作者
张志锋
范乃梅
机构
郑州轻工业学院软件学院
出处
《科学技术与工程》
北大核心
2013年第11期3002-3005,3011,共5页
文摘
传统的机器学习方法在处理蛋白质折叠类型识别问题时需要花费大量的时间来调节最佳的参数。利用一种新的极限学习机(Extreme Learning Machine,ELM)分类优化方法(Extreme Learning Machine for Classification,ELMC)对蛋白质折叠进行识别,仅需调节很少的参数值就可达到很好的测试精度。与支持向量机(Support Vector Machine,SVM)和推荐相关向量机(Relevance Vector Machine,RVM)相比,ELMC能获得更好的泛化性能,而且在寻找最优解的训练时间比较上,ELMC比SVM平均要快35倍,比RVM要快12倍。
关键词
蛋白质折叠识别
ELM分类优化方法
多类分类
Keywords
protein fold recognition optimization method of ELM for classification multi-class classifi- cation
分类号
TP315 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于卷积神经网络的蛋白质折叠类型最小特征提取
被引量：
1
3
作者
潘越
王骏
李文飞
张建
王炜
机构
南京大学物理学院
南京大学脑科学研究院
南京大学计算机软件新技术国家重点实验室
出处
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2020年第5期744-753,共10页
基金
国家自然科学基金(11774157,11774158,11974173,11934008)。
文摘
通过蛋白质的序列、结构等信息构建完整的蛋白质宇宙是生物信息学中的重要课题,相关研究对蛋白质结构预测、蛋白质进化路径分析以及蛋白质结构设计等方面的研究都有重要的意义.从蛋白质结构的一种简化表示——蛋白质接触图出发,通过训练卷积神经网络进行特征提取,筛选出可识别结构域折叠类型的最小特征向量,构建蛋白质折叠类型空间,并使用谱聚类等方法对不同蛋白质折叠类型的高维分布情况进行分析.得到的最小特征向量兼顾了信息的完整性与冗余度,可以很好地表示全部七种常见蛋白质类的空间关联.该研究结果填补了之前蛋白质宇宙研究中对不常见类的空间位置和相互关系描述的空白,加深了对于蛋白质结构相似性的理解.
关键词
蛋白质
宇宙
深度学习
卷积神经网络
蛋白质
折叠
类型
识别
Keywords
protein universe
deep learning
convolutional neural network
protein fold recognition
分类号
Q61 [生物学—生物物理学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ELMC的蛋白质折叠识别方法
唐立力
《计算机工程与应用》
CSCD
2013
0
在线阅读
下载PDF
职称材料
2
极限学习机优化方法在蛋白质折叠类型识别中的应用
张志锋
范乃梅
《科学技术与工程》
北大核心
2013
0
在线阅读
下载PDF
职称材料
3
基于卷积神经网络的蛋白质折叠类型最小特征提取
潘越
王骏
李文飞
张建
王炜
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2020
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
