陶大程
- 作品数：5 被引量：6H指数：1
- 供职机构：中国科学技术大学更多>>
- 相关领域：生物学更多>>
- DNA序列分类的数学模型被引量：6
- 2001年
- 本文从三个不同的角度分别论述了如何对 DNA序列进行分类的问题 ,依据这三个角度分别建立了三类模型 .首先 ,从生物学背景和几何对称观点出发 ,建立了 DNA序列的三维空间曲线的表达形式 .建立了初步数学模型 -积分模型 ,并且通过模型函数计算得到了 1到 2 0号 DNA序列的分类结果 ,发现与题目所给分类结果相同 ,然后我们又对后 2 0个 DNA序列进行了分类 .然后 ,从人工神经网络的角度出发 ,得到了第二类数学模型 -人工神经网络模型 .并且选择了三种适用于模式分类的基本网络 ,即感知机模型 ,多层感知机 ( BP网络 )模型以及 LVQ矢量量化学习器 ,同时就本问题提出了对 BP网络的改进 (改进型多层感知机 ) ,最后采用多种训练方案 ,均得到了较理想的分类结果 .同时也发现了通过人工神经网络的方法得到的分类结果与积分模型得到的分类结果是相同的 (前四十个 ) .最后 ,我们对碱基赋予几何意义 :A.C.G.T分别表示右 .下 .左 .上 .用 DNA序列控制平面上点的移动 ,每个序列得到一个游动曲线 ,提取游动方向趋势作为特征 ,建立起了模型函数 ,同时也得到了后二十个 DNA序列的分类结果 ,而且发现结果与上述两个模型所得到的分类结果几乎相同 (其中有一个不同 ,在本模型中表示为不可分的 ) .此模型保留的信息量更多 。
- 吕金翅马小龙曹芳陶大程
- 关键词：DNA序列数学模型神经网络模型
- 有效提升卷积神经网络稳健性的方法
- 本发明公开了一种有效提升卷积神经网络稳健性的方法，包括：在训练过程中，首先将输入的特征图进行二维变换后进行前向传递，前向传递过程时，对二维变换后的特征图进行分级的且基于块能量大小的块重排序操作；然后进行反向传递，反向传递...
- 田新梅沈旭孙韶言陶大程
- 文献传递
- 一种有效提升卷积神经网络稳健性的方法
- 本发明公开了一种有效提升卷积神经网络稳健性的方法，包括：在前向传递时，对输入特征图进行随机二维变换再进行卷积操作，最终得到输入特征图的分类结果的预测值；在反向传递时，将得到的预测值与真实值之间的误差进行反向传递，计算出各...
- 田新梅沈旭何岸峰孙韶言陶大程
- 文献传递
- 有效提升卷积神经网络稳健性的方法
- 本发明公开了一种有效提升卷积神经网络稳健性的方法，包括：在训练过程中，首先将输入的特征图进行二维变换后进行前向传递，前向传递过程时，对二维变换后的特征图进行分级的且基于块能量大小的块重排序操作；然后进行反向传递，反向传递...
- 田新梅沈旭孙韶言陶大程
- 文献传递
- 一种模型与特征联合学习的多任务学习方法
- 本发明公开了一种模型与特征联合学习的多任务学习方法，该方法包括：获取T个不同的学习任务，每一学习任务t中均包含一个数据集D<Sub>t</Sub>；将每一学习任务中的数据集共同学习一个正交的特征映射矩阵U，通过该特征映射...
- 田新梅李亚刘同亮陶大程
- 文献传递
