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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于多层感知机网络模型的小分子物质结构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：CN116825221B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202211740553.1，技术领域涉及：G16C20/20；该发明授权一种基于多层感知机网络模型的小分子物质结构预测方法是由薛凌云;陈思维;徐平;闻路红;刘亦安;严明;胡舜迪;陈安琪设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本一种基于多层感知机网络模型的小分子物质结构预测方法在说明书摘要公布了：本发明公开一种基于多层感知机网络模型的小分子物质结构预测方法。所述基于多层感知机网络的小分子结构预测模型的输入为质谱数据，输出为输入质谱数据所属物质的分子指纹，即固定长度的二进制编码；包括特征提取网络和预测网络，所述的特征提取网络包括n个串联的结构相同的前馈神经网络、以及残差网络、输出层，n≥1。每个前馈神经网络包括全连接层、非线性激活层。本发明提出基于多层感知机网络的小分子结构预测模型引入修改后的残差网络来提高特征网络计算质谱数据之间关系的性能并减少时空复杂度。

本发明授权一种基于多层感知机网络模型的小分子物质结构预测方法在权利要求书中公布了：1.一种基于多层感知机网络模型的小分子物质结构预测方法，其特征在于所述方法包括以下步骤： 步骤1、构建数据集从全球自然产品社交分子网络获取所有二级小分子质谱数据及其SMILES分子编码，然后将获取到的所有质谱数据经过预处理后设置为相同长度的一维数组信息，其索引为质荷比，索引中的信息为归一化为0~1的强度信息，将SMILES分子编码转变为固定长度的二进制表达的分子指纹； 步骤2、建立基于多层感知机网络的小分子结构预测模型，并利用训练集对其进行训练； 所述基于多层感知机网络的小分子结构预测模型的输入为质谱数据，输出为输入质谱数据所属物质的分子指纹，即固定长度的二进制编码；具体步骤如下： 2‑1 构建特征提取网络，提取输入质谱数据的特征所述的特征提取网络包括n个串联的结构相同的前馈神经网络、以及残差网络，n≥1； 每个前馈神经网络包括全连接层、非线性激活层； 其中第1个前馈神经网络输入为预处理后的质谱数据，其余每个前馈神经网络输入均为上一层前馈神经网络输出和残差网络输出之和，输出为低维质谱特征； 所述残差网络用以提高特征网络计算质谱数据之间关系的性能并减少时空复杂度，即； 其中为当前时刻残差网络的输出特征，为上一时刻残差网络的输出特征，为权重矩阵，为偏置，为非线性激活函数； 质谱数据的预处理具体是： 质谱用表示，其中质荷比，相对强度； 将所有的质谱数据转换为标准格式； 其中质荷比的定义如下： ； 使其步长为1，同时更新每个质荷比处对应的相对强度： ； 之后再对相对强度除以基峰进行归一化： ； 2‑2 构建预测网络，根据提取的低维质谱特征输出当前鉴定物质的分子指纹； 所述的预测网络由一个全连接层构成，以特征提取网络输出的低维质谱特征作为输入，输出当前未知物质分子指纹的二进制编码； 步骤3、应用基于多层感知机网络的小分子结构预测模型； 3‑1 将待检测物质的电喷雾离子源质谱数据经过预处理后输入至训练好的特征提取网络进行特征提取，输出其对应的低维质谱特征； 3‑2 将获取的低维质谱特征输入训练好的预测网络，输出待检测物质的分子指纹。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。