基于BP神经网络的肿瘤特征基因选取

该文提出基于BP神经网络的灵敏度分析方法,并用于选取肿瘤特征基因。以结肠癌基因表达谱为例,首先定义基因对BP神经网络模型输出函数的灵敏度,递归去除灵敏度较低的若干基因,生成一组嵌套的候选特征基因子集。然后以支持向量机为分类器,检验候选特征基因子集对样本分类的贡献,选取错分率最低的候选特征基因子集为结肠癌特征基因子集。通过实验对比,该特征基因子集的分类结果优于文献给出的其他特征基因子集,表明了该方法的可行性和有效性。

神经网络主动学习的进化算法

1 引言近年来,神经网络的研究取得了很大进展,特别是,为了克服传统的BP学习算法的缺陷,即学习速度慢和人为给定的拓扑结构对特定学习任务的不适应性,而发展的自适应神经网络的增长策略,它通过不断地增长隐节点或子网来满足给定学习任务的复杂性要求。这种神经网络的增长算法不仅克服了人为指定的拓扑结构的困难,而且由于其结构过程所固有的模块化训练特性,也缓解了传统的BP算法训练速度慢的突出问题。由于神经网络训练程度很难把握,许多算法往往过分强调训练结果而牺牲泛化结果,致使网络的过拟合问题严重。为了克服过拟合问题,研究者们采用了多网络合作模型,由于多个网络的平均效应。

用广义选择性神经网络集成预测MHC-II分子结合肽

MHCII类分子结合肽的预测对于免疫研究和疫苗设计非常重要,然而其结合肽长度的可变性等原因使其预测变得极为困难,提出了一种基于广义选择性神经网络集成的MHCII分子结合肽预测算法,该算法是一种双层集成模型。第一层是用微分进化算法去生成初始神经网络集成池,第二层是从初始神经网络集成池中选择部分组成最终的神经网络集成。实验结果表明广义选择性神经网络集成比传统的选择性神经网络有更好的泛化性能。

基于进化神经网络的玩家情感定量建模方法

玩家建模是游戏设计领域中一项重要的研究内容,国外学者已经提出了基于统计学的建模方式,但是这类方法需要主观构建数学模型,缺乏客观性。提出一种基于进化神经网络的定量建模方法,构建从游戏数据到玩家情感偏好之间的非线性模型。实验结果表明,该方法所建模型具有客观、高效的特点,并且具有较高准确度。

基于BP神经网络的手写数字识别的算法

由于BP神经网络具有并行处理信息、自组织、自学习信息等优点,本文采用了BP神经网络对手写数字识别进行运算,提取笔画密度、长宽比和欧拉数等特征作为训练样本。并用Matlab对其算法进行仿真,并且很准确的识别出来,说明其有非常广泛的前景。

基于差分进化优化RBF网络的小电流接地多判据选线方法

本文采用RBF网络为基础构建小电流接地系统的选线模型。通过种群更新机制、进化参数自适应等方法提高差分进化算法(DE)的训练能力,进而应用DE优化RBF网络参数。采用ATP仿真软件建立小电流接地配电系统的仿真模型,采样不同故障条件下的零序电流信号,提取稳态和暂态的多种故障特征分量输入优化好的RBF神经网络,结果表明经过DE训练的RBF网络收敛速度快,输出误差小,选线正确率高于传统RBF神经网络,且不受各种故障条件的影响。