摘要
本发明公开了一种基于人工智能算法进行犬类用药ADMET性质预测的方法,采集ADMET数据,获取规范ADMET数据;将规范ADMET数据划分为训练集和测试集,构建原始图结构,调取训练集中规范ADMET数据的类别标签并进行类别划分,获取类别图集合,提取类别图集合的图元进行插值操作,得到扩展图结构;将扩展图结构输入图卷积神经网络进行卷积操作获取特征矩阵,并通过多任务学习策略构建特定输出层,将所述特征矩阵和属性值输入各个特定输出层进行训练,获取初级预测模型;将所述测试集输入所述初级预测模型,获取预测值,利用损失函数调整模型参数,获取预测模型;解决了犬类药物ADMET数据不统一的问题以及临床数据样本不足的问题,提高模型的泛化能力和效率。
技术关键词
人工智能算法
节点特征
多任务学习策略
图元
矩阵
数据
标签
开源工具
卷积神经网络提取
标准化工厂
梯度下降算法
样本
酒石酸盐
处理器
表达式
信息更新
存储器
解析器
数学