-
-
-
公开(公告)号:CN110851954B
公开(公告)日:2023-07-11
申请号:CN201910941150.5
申请日:2019-09-30
申请人: 温州大学
IPC分类号: G06F18/214 , G16C60/00 , G06N3/0464
摘要: 基于神经网络的高分子链在吸引表面的吸附相变识别方法,属于高分子的理论计算与模拟领域,解决了现有高分子链在吸引表面的吸附相变识别方法所需分析样本数量过多的问题。所述方法包括:基于三维简立方格模型和自回避行走算法生成高分子链样本集、基于模拟退火算法获取每个高分子链样本在每个温度下的构象信息与状态信息、在高分子链样本集中选择预定比例的训练样本,将其余高分子链样本作为测试样本、采用每个训练样本对神经网络进行训练,得到高分子链吸附相变初始识别模型、采用每个测试样本对神经网络进行修正,得到高分子链吸附相变最终识别模型以及采用高分子链吸附相变最终识别模型对待识别的高分子链样本进行识别的步骤。
-
公开(公告)号:CN110851954A
公开(公告)日:2020-02-28
申请号:CN201910941150.5
申请日:2019-09-30
申请人: 温州大学
IPC分类号: G06F30/20 , G16C60/00 , G06N3/04 , G06N3/08 , G06F119/08
摘要: 基于神经网络的高分子链在吸引表面的吸附相变识别方法,属于高分子的理论计算与模拟领域,解决了现有高分子链在吸引表面的吸附相变识别方法所需分析样本数量过多的问题。所述方法包括:基于三维简立方格模型和自回避行走算法生成高分子链样本集、基于模拟退火算法获取每个高分子链样本在每个温度下的构象信息与状态信息、在高分子链样本集中选择预定比例的训练样本,将其余高分子链样本作为测试样本、采用每个训练样本对神经网络进行训练,得到高分子链吸附相变初始识别模型、采用每个测试样本对神经网络进行修正,得到高分子链吸附相变最终识别模型以及采用高分子链吸附相变最终识别模型对待识别的高分子链样本进行识别的步骤。
-
-
-