一个注意力关闭的图形尖端神经膜系统用于结构-活动关系预测
Jun Fu1, Jianyi Zhang1, Hong Peng2
1Beijing Electronic Science and Technology Institute, Beijing 100070, P. R. China.
International journal of neural systems
|February 27, 2026
概括
注意门尖神经膜系统 (AGSNP) 改善了复杂数据中的远程依赖性建模. 这种生物启发的模型增强了结构活动关系的预测,特别是在有限或不平衡的数据集.
科学领域:
- 计算神经科学是一种神经科学.
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 尖端神经P (SNP) 系统提供事件驱动的计算和时间建模.
- 现有的SNP模型由于固定或局部信息传播而与远程依赖性作斗争.
研究的目的:
- 介绍注意力门尖神经膜系统 (AGSNP),以增强SNP的能力.
- 解决复杂结构化数据中捕获上下文交互的局限性.
主要方法:
- 直接将注意力引导的关门机制纳入尖端神经元动态中.
- 将注意力信号嵌入非线性尖端更新和内存调节中.
- 在基于图形的学习框架中实例化AGSNP用于结构活动关系 (SAR) 预测.
主要成果:
- 在基准数据集上,AGSNP的表现始终优于代表性基线方法.
- 在有限的数据和类不平衡的情况下,取得了显著的改善 (2.0-5.7%AUC对Tox21,3.5-17.0%对MUV).
- 通过远距离的结构部件证明了有效的适应性信息传播.
结论:
- AGSNP提供了一种新的方法来增强生物启发的神经网络.
- 该模型的嵌入式注意力机制提高了复杂的预测任务 (如SAR) 的性能.
- 对于需要对结构化数据进行强大的建模,而信息有限或不平衡的应用,AGSNP显示出有前景.


