摘要
本发明公开了一种面向图学习的联合任务与分布泛化方法,包括如下步骤:获取蛋白质分子对应的源任务集、适应样本集和目标任务集;使用训练集对神经网络模型进行训练,得到图预测模型;图预测模型包括输入模块、精炼器模块和预测器模块;使用适应样本集对图预测模型进行适配性训练,得到特定图预测模型;将目标任务集输入特定图预测模型,通过特定图预测模型输出目标任务集对应的蛋白质分子预测结果。本发明可以通过提取任务关键子图,减少了图数据中的冗余信息,提高了模型的预测准确性和泛化性。
技术关键词
掩码矩阵
精炼器
泛化方法
输入模块
神经网络模型
数据
编码器
分子
超参数
训练样本集
节点特征
标签
分类器
蛋白
系统为您推荐了相关专利信息
数据校正方法
风场
动态时间窗口
浮标
双线性插值方法
需求预测模型
电厂深度调峰
节假日信息
历史负荷数据
燃烧产物参数
楼宇自动化系统
楼宇控制方法
自然语言
大语言模型
标签
采集组件
车载端信息
匹配模块
信息存储模块
监测模块