论文部分内容阅读
文章提出了一种应用于T细胞表位预测的模块化神经网络,这种神经网络先用一个过滤模块将不可结合的蛋白质序列过滤掉,然后将可结合的蛋白质输入到各个分类模块中进行训练学习,最后根据三个分类模块的结果进行最大苎掣定输出最后结果。实验结果证明,用这种模块化神经网络结构对T细胞表位进行预测比单个BP神经网络具有更高的准确率和数据的自我组织及学习能力。