基于 $L_1$ 正则化的三维椭球径向基函数神经网络分子稀疏表示
数值分析
2020-05-13 v1 数值分析
计算物理
摘要
在本文中，我们开发了一种椭球径向基函数神经网络（ERBFNN）及算法，用于分子形状的稀疏表示。为了评估分子形状模型的稀疏表示，利用具有相对较少神经元的 ERBFNN 来近似分子的 Gaussian 密度图。通过优化带有 正则化的非线性损失函数来训练深度学习模型。实验结果表明，通过我们的算法，原始分子形状能够以更小规模的 ERBFNN 实现高精度的表示。并且我们的网络原则上可应用于分子形状的多分辨率稀疏表示和粗粒化分子建模。
引用
@article{arxiv.2005.05307,
title = {Molecular Sparse Representation by 3D Ellipsoid Radial Basis Function Neural Networks via $L_1$ Regularization},
author = {Sheng Gui and Zhaodi Chen and Minxin Chen and Benzhuo Lu},
journal= {arXiv preprint arXiv:2005.05307},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1909.09095