《表2 在CB513数据集上的消融研究》

  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

《基于多尺度卷积和循环神经网络的蛋白质二级结构预测》

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

为了验证本研究模型中各个模块对于预测模型的重要性以及有效性，本研究通过删除或替换本研究模型中的各个模块进行消融研究。在数据集CB513上进行了删除多次多尺度卷积层，删除反向LSTM层，单次多尺度卷积层，单层双向LSTM层，替换LSTM为普通RNN实验。在数据集CB513上的各实验预测精度（表2）。反向LSTM层对于预测模型的影响最大，可以看出二级结构预测不仅依赖于正向氨基酸序列还与反向序列息息相关。其次多次多尺度卷积对于模型来说也十分重要，他负责对氨基酸的类型信息编码和生物进化信息编码进行局部的充分特征信息提取。LSTM相较于普通RNN能够在更长的序列上相互作用。