【技术实现步骤摘要】
本专利技术涉及机器学习，特别是涉及一种基于卷积-长短时记忆神经网络的育种方法。
技术介绍
1、全基因组选择(gs)技术作为一种新的育种方法，通过数学模型评估给定的所有基因型分子标记与表型间的关系推断基因组估计育种值(blup值)，并用该推断结果预测未知表型个体。该方法可以缩短育种周期，预先淘汰无效亲本组合，不需要提前明确遗传机制。由于是评估所有分子标记，可以更有效的快速聚合控制数量性状的微效基因。目前，使用基因组最佳线性无偏估计(gblup)、岭回归最佳线性无偏估计(rrblup)、贝叶斯等算法，通过单核苷酸多态性位点(snp)分析表型已经广泛用于gs。然而，实验证明大量微效基因标记会降低gs的预测精度，基因与表型间的非线性关系也阻碍gs算法预测精度的提高，育种家需要更有效的工具进行数据处理和分析。
2、机器学习是目前较热门的人工智能研究领域，其目的是通过输入的数据自动生成算法，用于解决任务。机器学习在图像识别、语音分析、文本分类等任务中取得了突破性的成果。2006年geoffrey hinton在机器学习基础上提出的深度学...
【技术保护点】
1.一种基于卷积-长短时记忆神经网络的育种方法，其特征包括：
2.根据权利要求1所述的基于卷积-长短时记忆神经网络的育种方法，其特征在于，获取目标材料，并对所述目标材料进行表型与基因型测定与处理，得到训练数据集，包括：
3.根据权利要求1所述的基于卷积-长短时记忆神经网络的育种方法，其特征在于，在获取目标材料，并对所述目标材料进行表型与基因型测定与处理，得到训练数据集之后，还包括：
4.根据权利要求1所述的基于卷积-长短时记忆神经网络的育种方法，其特征在于，在将所述训练数据集输入至卷积-长短时记忆神经网络中进行训练和验证前，还包括：
5.根...
【技术特征摘要】
1.一种基于卷积-长短时记忆神经网络的育种方法，其特征包括：
2.根据权利要求1所述的基于卷积-长短时记忆神经网络的育种方法，其特征在于，获取目标材料，并对所述目标材料进行表型与基因型测定与处理，得到训练数据集，包括：
3.根据权利要求1所述的基于卷积-长短时记忆神经网络的育种方法，其特征在于，在获取目标材料，并对所述目标材料进行表型与基因型测定与处理，得到训练数据集之后，还包括：
4.根据权利要求1所述的基于卷积-长短时记忆神经网络的育种方法，其特征在于，在将所述训练数据集输入至卷积-长短时记忆神经网络中进行训练和验证前，还包括：
5.根据权利要求1所述的基于卷积-长短时记忆神经网络的育种方法，其特征在于，所述卷积-长短时记忆神经网络包括依次连接的卷积层、长短时记...
【专利技术属性】
技术研发人员：刘翼宁，张敖，阮燕晔，张学才，刘玉博，樊金娟，
申请(专利权)人：沈阳农业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。