文摘为提高抗HIV活性预测的精度,采用深度学习算法,提出一种基于深度信念网络的抗HIV活性预测方法。利用BP神经网络任意精度逼近非线性函数的优点,结合多个受限玻尔兹曼机(restricted Boltzmann machine,RBM)进行非监督逐层贪婪模式训练学习,建立深度信念网络算法模型(deep belief network,DBN)。将抗HIV活性的高温超导源数据(HTS raw data)、高温超导抑制剂(HTS%inhibition(20μM))、最大测定信号释放比率(mean max signal)等特征作为DBN模型的输入,抗HIV平均活性值作为该模型的输出,设计实验对模型进行训练及验证,实验结果表明,DBN模型对抗HIV活性的预测均方根误差小,预测精度高,平均预测精度为93.82%,适用于抗HIV活性评估。