多模态深度神经网络的高级别浆液性卵巢癌分类方法

提出了高级别浆液性卵巢癌(HGSOC)分子亚型分类模型MMDNN-HGSOC,该模型将miRNA表达、DNA甲基化、拷贝数变异(CNV)与mRNA表达数据进行集成,构建多组学特征空间;基于LASSO(Least Absolute Shrinkage and Selection Operator)回归算法,提出叠加式LASSO(S-LASSO)回归算法,充分获得每个组学数据中与HGSOC分子亚型关联的基因子集;引入多组学数据晚期集成策略,利用多模态深度神经网络学习不同组学数据的高级特征表示。实验结果表明,MMDNN-HGSOC在HGSOC分子亚型分类中表现出较好性能。此外,对特征选择过程中发现的重要基因进行了GO(Gene Ontology)和KEGG(Kyoto Encycloped Genomes)富集分析,为HGSOC分子亚型鉴定和发病机制的研究提供有力支持。

深度强化学习局部策略迁移方法

【目的】强化学习策略迁移是一条降低深度强化学习训练消耗的有效途径,其中,局部策略迁移是在较小粒度上实现策略的迁移,它对整体策略性能的提升和策略灵活组合形成新整体策略有重要意义。提出了深度强化学习局部策略迁移方法。【方法】借鉴了软件工程中“高内聚,低耦合”的思想,通过对作为策略载体的神经网络进行划分,使得不同子神经网络承载不同局部策略,然后通过对子神经网络的迁移,实现局部策略迁移。该方法支持局部策略灵活替换和组合,形成性能更优秀和适应新环境的新总策略。选取经典深度强化学习算法DQN作为实验算法,对比DQN算法使用本文方法前后的迁移能力和表现性能。【结果】结果表明,DQN算法使用本文方法后实现了局部策略迁移的同时表现性能还提升了约27.5%.

脑网络组学构建分析及应用研究

大脑是自然界最为复杂的系统之一。脑网络作为复杂网络理论在神经科学中的重要应用,极大程度上表现了不同尺度的脑结构或功能连接模型,提供了解释人脑这一复杂系统在结构组织及信息加工模式等问题的重要工具。同时,脑网络在脑疾病的临床应用研究中,也已证明很多脑疾病,在网络层面中均体现了不同程度的拓扑结构差异。这些成果为在系统水平上揭示脑疾病的病理机制提供了新的思路。笔者将以脑网络研究为重点,介绍脑网络的构建方法,包括不同影像类型下节点及边的定义方法;关联矩阵的阈值选择及稀疏度的划分方法;网络度量指标的计算,包括度、小世界属性、模块化等;脑网络的比较方法及其在抑郁症的临床应用及未来可能的研究方向。

无线传感器网络LEACH路由协议改进算法

路由协议是无线传感器网络网络层的核心技术,而路由协议中的路由算法却起着至关重要的作用。文章在LEACH协议基础上,提出了一种改进的LPEA路由算法。经过仿真分析,LPEA路由算法与LEACH算法相比,能进一步降低网络能量消耗,延长了网络生存周期。验证了该协议算法具有一定的可行性和有效性。

车辆图像检索方法的Julia云实现

为降低开发并行程序的难度,使用高性能计算机提高车辆图像的检索效率,为普通应用程序开发人员构建了Julia云编程环境.该编程环境以Julia为编程语言,开发车辆图像检索专用API接口;该API接口根据计算机底层硬件体系结构的特点提供相应的实现方式,保证运行效率;为多种实现方式设计统一调用的自适应策略,保证用户透明调用.本文使用Julia语言实现了车辆图像检索程序,程序代码量少,容易修改调整.实验结果表明,本文Julia实现的并行方案获得最高40倍加速,且Julia实现比C语言并行实现仅1.93%性能损失.

基于内容的图像情感语义检索研究

基于内容的图像检索是使用图像的底层视觉特征对图像进行检索,使检索结果在视觉角度上尽可能相似。但能否通过图像的底层特征来准确体现人对图像的视觉感知(即图像的情感语义)有待于进一步的探索。首先构建检索性能较好的基于内容的图像检索系统,并针对分类标准不同的两类图像库进行多次实验。实验证明,图像的情感语义无法通过单一的图像底层特征描述。

结合人工鱼群的动态克隆选择算法的研究

针对动态克隆选择算法中检测器利用率低、全局性差的问题,提出将人工鱼群算法中具有全局性和快速收敛的追尾、聚群行为应用在动态克隆选择算法的检测器生成阶段,改进算法效率,同时解决由于随机生成检测器而带来的诸多问题。通过仿真实验,证明改进后的算法具备了人工鱼群算法的优势,弥补了自身系统前期收敛慢、检测器生成效率低的问题。