买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉清华大学申请的专利基于dropout连接的图随机神经网络的分子图属性预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115860065B 。

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211557866.3，技术领域涉及：G06N3/0464；该发明授权基于dropout连接的图随机神经网络的分子图属性预测方法是由唐杰;张丹;冯文政设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本基于dropout连接的图随机神经网络的分子图属性预测方法在说明书摘要公布了：本发明公开了基于dropout连接的图随机神经网络的分子图属性预测方法，该方法包括：基于分子图的连边特征对连边进行权重分配，对分子图的节点进行软连接转换以生成第一邻接矩阵；进行掩码操作生成第二邻接矩阵，将分子图的原始节点特征和第二邻接矩阵输入图神经网络模型以输出得到图编码；根据预设的有标签数据和无标签数据，分别基于图编码进行有监督损失计算和无监督损失计算得到第一损失计算结果和第二损失计算结果；得到最终损失计算结果优化图神经网络模型的参数，进行分子图属性预测得到预测结果。本发明可以在分子图属性预测的过程中充分考虑化学键的重要性并充分利用无标签数据中的信息，帮助生成更多的训练数据和提升分子图属性预测的性能。

本发明授权基于dropout连接的图随机神经网络的分子图属性预测方法在权利要求书中公布了：1.一种基于dropout连接的图随机神经网络的分子图属性预测方法，其特征在于，包括以下步骤： 基于分子图的化学键特征，利用多层感知器对化学键进行权重分配以学习连边的重要性，并通过激活函数将权重映射至0,1区间内的概率值，以将分子图的节点间的硬连接转换为软连接，从而生成第一邻接矩阵； 对所述第一邻接矩阵进行dropout操作，第一邻接矩阵中的每个元素为通过可学习方式生成的表示对应化学键重要性的软连接权重；dropout操作仅在训练过程中执行，包括：通过服从伯努利分布的掩码矩阵对第一邻接矩阵进行随机掩码操作，以随机丢弃部分软连接，并将掩码操作后的矩阵与因子相乘，生成第二邻接矩阵，以在保持期望与原始第一邻接矩阵相似的同时，减少过平滑和分子图结构发生改变的风险；将分子图的原始节点特征和第二邻接矩阵输入图神经网络模型，输出得到图编码； 根据预设的有标签数据和无标签数据，分别基于所述图编码进行有监督损失计算和无监督损失计算，得到第一损失计算结果和第二损失计算结果； 基于所述第一损失计算结果和第二损失计算结果得到最终损失计算结果，并根据所述最终损失计算结果优化所述图神经网络模型的参数，以根据最优的图神经网络模型进行分子图属性预测，得到预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人清华大学，其通讯地址为：100084 北京市海淀区清华园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。