公开(公告)号：CN110782009B

公开(公告)日：2023-09-08

申请号：CN201910986292.3

申请日：2019-10-17

Applicant: 湖南大学

Inventor： 全哲 ,  何楠 ,  刘彦 ,  彭阳

IPC: G06N3/0464 ,  G06N3/063

Abstract: 本发明公开了一种基于ARMv8体系的计算内核优化方法。本发明针对寄存器使用情况，使用了所有32个寄存器，能够更好更完整地调用硬件资源，节省卷积过程中进行矩阵计算时的矩阵分块时间，从而提升整体的计算效率，帮助我们得到更高的工程效率应用在卷积神经网络中的卷积过程里，能有效加速其在ARMv8体系结构的运算时间。

公开(公告)号：CN111210878A

公开(公告)日：2020-05-29

申请号：CN202010009558.1

申请日：2020-01-06

Applicant: 湖南大学

Inventor： 全哲 ,  刘彦 ,  何楠 ,  乐羽泉

IPC: G16C20/30 ,  G16C20/70 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的药物预测方法。本发明基于药物发现进行原子层面的学习，从而进行毒性预测。通过将SIMLE格式的数据通过原子向量切分，word2vec向量映射转化为一组向量，然后将这组向量放入LSTM神经网络中进行训练，最后将LSTM输出的结果放入sigmoid分类器中，得到分子是否有毒，相对现有的预测方法具有良好的可行性和优越性。

公开(公告)号：CN110782009A

公开(公告)日：2020-02-11

申请号：CN201910986292.3

申请日：2019-10-17

Applicant: 湖南大学

Inventor： 全哲 ,  何楠 ,  刘彦 ,  彭阳

IPC: G06N3/04 ,  G06N3/063

Abstract: 本发明公开了一种基于ARMv8体系的计算内核优化方法。本发明针对寄存器使用情况，使用了所有32个寄存器，能够更好更完整地调用硬件资源，节省卷积过程中进行矩阵计算时的矩阵分块时间，从而提升整体的计算效率，帮助我们得到更高的工程效率应用在卷积神经网络中的卷积过程里，能有效加速其在ARMv8体系结构的运算时间。

公开(公告)号：CN110289050A

公开(公告)日：2019-09-27

申请号：CN201910460463.9

申请日：2019-05-30

Applicant: 湖南大学

Inventor： 全哲 ,  郭燕 ,  林轩 ,  何楠 ,  王梓旭

IPC: G16C20/10 ,  G16C20/50 ,  G16C20/70

Abstract: 本发明提供了一种基于图卷积和词向量的药物－靶标相互作用预测方法，从药物中提取分子指纹特征和邻接矩阵特征，然后利用图卷积训练这些特征，将一个蛋白质分子表达式3个一组切割，并用一个100维的向量表示这一组，利用CNN训练靶标的词向量特征，最后把训练好的药物和靶标结合在一起，进行最后的结果预测。本发明的有益效果如下：可以提供关于药物的更多特征，从而达到更高的准确性；利用词向量构建蛋白质特征，大大减少了构建特征的时间；可以完整保存药物分子图的有关信息，而不会损失特征；可以大大加快训练时间。

公开(公告)号：CN110289050B

公开(公告)日：2023-06-16

申请号：CN201910460463.9

申请日：2019-05-30

Applicant: 湖南大学

Inventor： 全哲 ,  郭燕 ,  林轩 ,  何楠 ,  王梓旭

IPC: G16C20/10 ,  G16C20/50 ,  G16C20/70

Abstract: 本发明提供了一种基于图卷积和词向量的药物－靶标相互作用预测方法，从药物中提取分子指纹特征和邻接矩阵特征，然后利用图卷积训练这些特征，将一个蛋白质分子表达式3个一组切割，并用一个100维的向量表示这一组，利用CNN训练靶标的词向量特征，最后把训练好的药物和靶标结合在一起，进行最后的结果预测。本发明的有益效果如下：可以提供关于药物的更多特征，从而达到更高的准确性；利用词向量构建蛋白质特征，大大减少了构建特征的时间；可以完整保存药物分子图的有关信息，而不会损失特征；可以大大加快训练时间。