Smiles2vec

简而言之，它是自然语言处理（NLP）领域的一项技术，可将字符串转换为向量。许多人用SMILES字符串预测物理属性。

SMILES：（Simplified molecular input line entry system）通过将分子化学结构转换为字母数字字符串而表示结构的方法。

将化学结构信息作为输入变量和物理属性作为输出变量进行预测。

Smiles2vec架构

将字符串转换为矢量是NLP领域的一项名为Seq2Seqd的技术。在没有学习的情况下简单地解释它，它经常被用在“机器对话和机器翻译等模型”中。该技术基于递归神经网络的思想使用诸如LSTM和GRU的层。下图显示了原始论文中Smiles2vec的结构。本文根据化合物结构和物理性质改变层的内容。

导入库

from __future__ import print_function
import keras
from sklearn.utils import shuffle
from keras.models import Sequential, Model
from keras.layers import Conv2D, Ma

Smiles2vec | 用于预测化学性质的深度神经网络相关推荐

MDNN：一种用于药物-药物反应预测的多模态深度神经网络
目录背景介绍模型描述模型架构展示计算对象介绍方法 DKG通道 HF通道双模态融合实验结果后续思考第一方面第二方面背景介绍模型来自文章:"MDNN: A Multimo ...
#每天一篇论文 329/365 EyrISV2:一种用于移动设备上深度神经网络的柔性加速器（一）
Eyeriss v2: A Flexible Accelerator for Emerging Deep Neural Networks on Mobile Devices 每天一篇论文汇总list ...
深度神经网络压缩与加速总结
深度神经网络压缩与加速综述 1. 深度神经网络压缩与加速的任务 2. 模型压缩与加速方法 (1) 参数剪枝 (2) 参数共享 (3) 低秩分解 (4) 紧性滤波设计 (5) 知识蒸馏 3. 深度神经网 ...
【CV】用于图像恢复的深度学习方法综述论文（2022年）
论文名称:A survey of deep learning approaches to image restoration 论文下载:https://www.sciencedirect.com/sc ...
深入认识深度神经网络
文章目录 0 前言 1 深度神经网络通俗解释 2 通用近似定理-万能神经网络 3 神经网络模型变宽与变深 4 神经网络加深的问题 5 深度神经网络模型训练解决方案 5.1 训练数据集 5.2 选择恰当 ...
生物信息学|MOLI:基于深度神经网络进行多组学数据整合并用于药物反应预测
本篇推文引自:MOLI: multi-omics late integration with deep neural networks for drug response prediction 摘要 ...
生物信息学|机制驱动的可解释深度神经网络，用于药物组合的协同预测和通路反卷积
0. 摘要联合用药在癌症治疗方面显示出了巨大的潜力.不仅可以减轻耐药性,而且可以提高治疗效果.抗癌药物数量的快速增长已经导致所有药物组合的实验研究变得昂贵和耗时.计算技术可以提高药物联合筛选 ...
论文解读《DeepCPP:一种基于核苷酸偏差信息和最小分布相似性特征选择的用于RNA编码潜力预测的深度神经网络》
摘要深度测序技术的发展导致了新转录本的发现.已经开发了许多计算机方法来评估这些转录本的编码潜力,以进一步研究它们的功能.现有方法在区分大多数长非编码 RNA (lncRNA) 和编码 RNA (mR ...
【深度学习】万字综述：用于深度神经网络加速的Shift操作
作者丨科技猛兽编辑丨极市平台导读如何同时满足减少可学习参数的数量以及维持computation/memory access比值?你需要Shift操作.本文将详细介绍shift操作的具体方法.如何 ...

Smiles2vec | 用于预测化学性质的深度神经网络

Smiles2vec

Smiles2vec架构

Smiles2vec | 用于预测化学性质的深度神经网络相关推荐

最新文章

热门文章