首页 > 文献资料
-
基于BP神经网络的中医脉诊体质类型判定
针对中医体质判定的特点,进行网络结构设计、学习算法改进,论证了BP神经网络应用于中医脉诊体质类型判定的合理性和优越性.与其他判定方法对比,显示了该方法的优势,且判定结果与中医的体质类型诊断结果相一致.这一方法的实现有利于中医学的广泛传播,并且能够解决中医资源有限这一难题.
-
面向异步多时延基因调控网络建模的高阶动态贝叶斯网络模型及其结构学习算法
目的:由基因芯片数据精确学习建模具有异步多时延表达调控关系的基因调控网络.方法:提出了一种高阶动态贝叶斯网络模型,并给出了网络结构学习算法,该模型假定基因的调控过程为多阶马尔科夫过程,从而能够建模基因调控网络中的异步多时延特性.结果:由酵母基因调控网络一个子网络人工生成了加入10%含噪声的表达数据用于调控网络结构学习.在75%的后验概率下,本文提出的高阶动态贝叶斯网络模型能够正确建模实际网络中全部的异步多时延调控关系,而经典动态贝叶斯网络仅能够正确建模实际网络中1/3的调控关系;ROC曲线对比表明在各个后验概率水平上高阶动态贝叶斯网络模型的效果均优于经典动态贝叶斯网络.结论:本文提出的高阶动态贝叶斯网络模型能够精确学习建模具有异步多时延表达调控关系的基因调控网络.
-
高阶神经网络模型中的学习算法研究
目的探索高阶神经网络模型中的学习算法.方法通过在高阶神经网络模型中引入新的学习算法增强高阶神经网络模型性能,给出了新学习算法的理论分析、收敛性证明,进行了仿真实验.结果新学习算法下的高阶神经网络模型的性能指标优于传统Hebb型学习算法下的高阶神经网络模型.结论新学习算法下的高阶神经网络模型具有更好的优良特性,有利于其在信息存储、模式识别领域中的应用.
-
深度解读:谷歌进入医疗健康领域将会如何布局?
Deep Mind是一家总部位于英国伦敦的人工智能实验室,他们的研究方向是开发通用自我学习算法。