一种基于注意力权重分配与自适应残差学习的基因组预测模型

本发明公开了一种基于注意力权重分配与自适应残差学习的基因组预测模型，属于基因组选择技术领域。所述方法包括以下技术步骤：获取基因遗传多态性位点的012编码矩阵，使用多层感知机(MLP)计算每个SNP位点的权重，并通过自适应残差学习机制将输入特征与权重结合，进一步在全连接神经网络中进行拟合；在模型训练完成后，输出测试集的决定系数(R2)、皮尔逊相关系数(PCC)及每个SNP位点的权重文件。本发明的创新点在于引入注意力机制，通过动态分配SNP位点的权重，从全局角度分析其对表型的影响，并结合自适应残差学习。通过SNPWeightNet.py程序实现SNP数据到表型预测的自动化，具有高精度和强可解释性的特点。