《表2 不同模型在测试集上的预测准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多头注意力机制和残差神经网络的肽谱匹配打分算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文也探索了多头自注意力机制中头（head）的数量对最终模型的准确率产生的影响，在人类蛋白组数据集上分别进行了不同head数量的实验，并且与逻辑回归以及支持向量机（Support Vector Machine，SVM）进行了比较，实验结果如表2所示。实验结果表明，本文采用的模型预测准确率明显优于逻辑回归和支持向量机，更有效地学习到了肽碎裂规律，且在不加入多头注意力机制时ACC(ACCuracy，预测的相对强度值与真实相对强度值相等的样本占所有样本的比例）为81.56%；加入多头注意力机制后，随着head数量的增加，模型预测结果逐步提升；当head为8时，模型准确率达到最优，相较于未加入注意力机制的测试结果提升了约2.6个百分点；随着head数量的进一步增多，模型准确率出现下降，于是deepScore-α后续采用了head为8的模型进行打分实验。