ArtificialNeuralNetworks

人工神經網絡周仲禮信息管理學院Thursday,January12,2023TeachingstaffsLecturer:

周仲禮Headship:副教授Phone:84073700Office:

9C205

Email:

zzl@

實例分析：DNA序列分類2000網易杯全國大學生數學建模競賽題目CMCM2000A2000年6月，人類基因組計劃中DNA全序列草圖完成，預計2001年可完成精確的全序列圖，此后人類將擁有一本記錄著自身生老病死及遺傳進化的全部信息的"天書"。這本大自然寫成的"天書"是由4個字符A，T，C，G按一定順序排成的長約30億的序列，其中沒有"斷句"也沒有標點符號，除了這4個字符表示4種堿基以外，人們對它包含的"內容"知之甚少，難以讀懂。破譯這部世界上最巨量信息的實例分析：DNA序列分類"天書"是二十一世紀最重要的任務之一。在這個目標中，研究DNA全序列具有什么結構，由這4個字符排成的看似隨機序列中隱藏著什么規律，又是解讀這部天書的基礎，是生物信息學（Bioinformatics）最重要的課題之一。雖然人類對這部"天書"知之甚少，但也發現了DNA序列中的一些規律性和結構。例如，在全序列中有一些是用于編碼蛋白質的序列片段，即由這4個字符組成的64種不同的3字符串，其中大多數用于編碼構成蛋白質的20種氨基礎酸。又例如，在不用于編參與蛋白質的序列片段中，A和T的含量特別多些，于是以某些堿基特別豐富作為特征去研究DNA序列的結構也取得了一些結果。實例分析：DNA序列分類此外，利用統計的方法還發現序列的某些片段之間具有相關性，等等。這些發現讓人們相信，DNA序列中存在著局部的和合局性的結構，充分發掘序列的結構對理解DNA全序列是十分有意義的。目前在這項研究中最普通的思想是省略序列的某些細節，突出特征，然后將其表示成適當的數學對象。這種被稱為粗粒化和模型化的方法往往有助于研究規律性和結構。作為研究DNA序列的結構嘗試，提出以下對序列集合進行分類的問題：實例分析：DNA序列分類下面有20個已知類別的人工制造的序列，其中序列標號1-10為A類，11-20為B類。請從中提取特征，構造分類方法，并用這些已知類別的序列，衡量你的方法是否足夠好。然后用你認為滿意的方法，對別外20個未標明類別的人工序列（標號21-40）進行分類，把結果用序號（按從小到大的順序）標明它們的類別（無法分類的不寫入）：A類：B類：實例分析：DNA序列分類1）請詳細描述你的方法，給出計算程序。如果你部分地使用了現成的分類方法也要將方法名稱準確注明。2）在同樣網址的數據文件Nat-model-data中給出了182個自然DNA序列，它們都較長。用你的分類方法對它們進行分類，像1）一樣地給出分類結果。

實例分析：DNA序列分類1.aggcacggaaaaacgggaagaacggaggaggacttggcacggcagtacacggaggacgaggtaaaggaggcgtgtctacggccggaagtgaagggggatatgaccgcttgg2.cggaggacaaacgggatggcggtattggaggtggcggactgttcggggaattattcggtttaaacgggacaaggaaggcggctggaacaaccggacggtggcagcaaagga3.gggacggatacggattctggccacggacggaaaggaggacacggcggacatacacggcggcaacggacggaacggaggaaggaggggcggcaatcggtacggaggcggcgga實例分析：DNA序列分類……18.gttaattatttattccttacgggcaattaattatttattacggttttatttacaatttttttttttgtcctatagagaaattacttacaaaacgttattttacatactt19.gttacattatttattattatccgttatcgataattttttacctcttttttcgctgagtttttattcttactttttttcttctttatataggatctcatttaatatcttaa20.gtatttaactctctttactttttttttcactctctacattttcatcttctaaaactgtttgatttaaacttttgtttctttaaggattttttttacttatcctctgttat實例分析：DNA序列分類21.tttagctcagtccagctagctagtttacaatttcgacaccagtttcgcaccatcttaaatttcgatccgtaccgtaatttagcttagatttggatttaaaggatttagattga22.tttagtacagtagctcagtccaagaacgatgtttaccgtaacgtqacgtaccgtacgctaccgttaccggattccggaaagccgattaaggaccgatcgaaaggg……40.ccattagggtttatttacctgtttattttttcccgagaccttaggtttaccgtactttttaacggtttacctttgaaatttttggactagcttaccctggatttaacggccagttt實例分析：DNA序列分類提示：衡量分類方法優劣的標準是分類的正確率，構造分類方法有許多途徑，例如提取序列的某些特征，給出它們的數學表示；幾何空間或向量空間的元素等，然后再選擇或構造適合這種數學表示的分類方法；又例如構造概率統計模型，然后再用統計方法分類等。什么是神經網絡？人工神經網絡(ArtificialNeuralNetworks，簡稱NN)所謂NN就是為模仿人腦工作方式而設計的一種機器，它可以用電子或光電元件實現，也可以用軟件在常規計算機上仿真。是一種具有大量連接的并行分布式處理器，具有通過學習獲取知識并解決問題的能力，且知識是分布存儲于連接權（對應于生物神經元的突觸）中，而不是象常規計算機那樣按地址存在特定的存儲單元中。

Neuronanatomy神經元(Neuron)是由細胞核(cellnucleus)，細胞體(soma)，軸突(axon)，樹突(dendrites)和突觸(synapse)所構成的x2w2

∑fo=f(net)xnwn…net=XWx1w1X=（x1，x2，…，xn）W=（w1，w2，…，wn）net=∑xiwinet=XW時間研究者神經網絡模型1943McCulloch，Pittes形式神經元模型（MP）1944Hebb神經元學習法則1957Rosenblatt感知機（Perceptron）1961Steinbuch學習矩陣（Leamatrix）1962Widrow自適應模型（Adline）1968Crossberg大系統模型1971Amari布爾網絡理論1972Albus血崩網絡理論1972Fukushima視覺認知機典型神經網絡模型時間研究者神經網絡模型1972VondenMalsburg自組織原理1972Kohonen聯想記憶1977Hecht-Nielsen自適應大系統1978Crossberg自適應共振理論（ART）1980Kohonen自組織映射1982Hopfield霍普神經網（HNN）1985Rumelhart誤差反向傳播神經網絡（BP）1985Hinton波爾茲曼機（BM）1986Nielson對傳網（Counter-Propagation）典型神經網絡模型關于神經網絡的主要國際性雜志(1)NeuralNetworks(國際神經網絡協會會刊)(2)IEEETransactionson