生成對抗網(wǎng)絡(luò)在生物信息學(xué)領(lǐng)域中的關(guān)鍵技術(shù)研究
發(fā)布時間:2022-01-03 09:51
生成對抗網(wǎng)絡(luò)(Generative adversarial networks)是深度學(xué)習(xí)領(lǐng)域的一個重要研究方向。其主要是基于零和博弈的思想,由判別器網(wǎng)絡(luò)和生成器網(wǎng)絡(luò)組成,通過極大極小算法的方式訓(xùn)練網(wǎng)絡(luò)模型,據(jù)此學(xué)習(xí)出數(shù)據(jù)樣本潛在數(shù)據(jù)的概率分布,并根據(jù)學(xué)到的分布生成新的數(shù)據(jù)樣本。這種優(yōu)勢使得生成對抗網(wǎng)絡(luò)在計算機(jī)視覺、信息安全、語音處理等領(lǐng)域表現(xiàn)出巨大的研究價值和應(yīng)用前景。在生物信息學(xué)領(lǐng)域,隨著生物數(shù)據(jù)規(guī)模的激增,精準(zhǔn)醫(yī)療、基因序列的生成與預(yù)測、合成蛋白質(zhì)等都需要科研人員對海量數(shù)據(jù)深入分析。以往使用濕實(shí)驗(yàn)、化學(xué)分析等傳統(tǒng)方法往往具有耗費(fèi)財力多、工作量大、效率低等缺點(diǎn)。面對這樣的問題,用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)數(shù)據(jù)規(guī)律、得到數(shù)據(jù)本質(zhì)特征是常見的分析手段,而生成對抗網(wǎng)絡(luò)技術(shù)在生物信息學(xué)領(lǐng)域的探索才剛剛開始,因此本文基于生成對抗網(wǎng)絡(luò)算法來學(xué)習(xí)數(shù)據(jù)存在的規(guī)律。本文首先闡述深度學(xué)習(xí)相關(guān)技術(shù)、生成對抗網(wǎng)絡(luò)的模型原理以及生成對抗網(wǎng)絡(luò)的優(yōu)點(diǎn),進(jìn)一步分析生成對抗網(wǎng)絡(luò)在理論上存在的模型結(jié)果不收斂、梯度消失問題以及應(yīng)用到生物信息學(xué)領(lǐng)域后存在的模型坍塌、結(jié)果不受控制、離散數(shù)據(jù)無法訓(xùn)練等問題。而變分自編碼(Variatio...
【文章來源】:云南大學(xué)云南省 211工程院校
【文章頁數(shù)】:66 頁
【學(xué)位級別】:碩士
【部分圖文】:
深度學(xué)習(xí)提取特征的過程
CNNLeNet5結(jié)構(gòu)圖
GAN學(xué)習(xí)過程
【參考文獻(xiàn)】:
期刊論文
[1]基于深度學(xué)習(xí)的PD致病基因活性預(yù)測[J]. 李自臣,田生偉,劉江越,高雙印. 計算機(jī)應(yīng)用與軟件. 2017(09)
[2]基于深度學(xué)習(xí)和醫(yī)學(xué)圖像的癌癥計算機(jī)輔助診斷研究進(jìn)展[J]. 陳詩慧,劉維湘,秦璟,陳亮亮,賓果,周煜翔,汪天富,黃炳升. 生物醫(yī)學(xué)工程學(xué)雜志. 2017(02)
[3]基于深度學(xué)習(xí)的疾病診斷[J]. 陸家發(fā),張國明,陳安琪. 醫(yī)學(xué)信息學(xué)雜志. 2017(04)
[4]大規(guī)模深度學(xué)習(xí)為女性帶來的醫(yī)療之變[J]. 張含陽. 機(jī)器人產(chǎn)業(yè). 2017(02)
[5]基于深度學(xué)習(xí)的醫(yī)療命名實(shí)體識別[J]. 張帆,王敏. 計算技術(shù)與自動化. 2017(01)
[6]生成式對抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍. 自動化學(xué)報. 2017(03)
[7]生物醫(yī)學(xué)數(shù)據(jù)分析中的深度學(xué)習(xí)方法應(yīng)用[J]. 李淵,駱志剛,管乃洋,尹曉堯,王兵,伯曉晨,李非. 生物化學(xué)與生物物理進(jìn)展. 2016(05)
[8]美國啟動精準(zhǔn)醫(yī)療計劃[J]. 徐鵬輝. 世界復(fù)合醫(yī)學(xué). 2015(01)
[9]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正. 計算機(jī)應(yīng)用研究. 2012(08)
[10]生物信息學(xué)技術(shù)研究[J]. 馮思玲. 信息技術(shù). 2009(05)
碩士論文
[1]基于landmark基因集的深度學(xué)習(xí)基因表達(dá)預(yù)測方法[D]. 陳華宇.吉林大學(xué) 2017
本文編號:3566057
【文章來源】:云南大學(xué)云南省 211工程院校
【文章頁數(shù)】:66 頁
【學(xué)位級別】:碩士
【部分圖文】:
深度學(xué)習(xí)提取特征的過程
CNNLeNet5結(jié)構(gòu)圖
GAN學(xué)習(xí)過程
【參考文獻(xiàn)】:
期刊論文
[1]基于深度學(xué)習(xí)的PD致病基因活性預(yù)測[J]. 李自臣,田生偉,劉江越,高雙印. 計算機(jī)應(yīng)用與軟件. 2017(09)
[2]基于深度學(xué)習(xí)和醫(yī)學(xué)圖像的癌癥計算機(jī)輔助診斷研究進(jìn)展[J]. 陳詩慧,劉維湘,秦璟,陳亮亮,賓果,周煜翔,汪天富,黃炳升. 生物醫(yī)學(xué)工程學(xué)雜志. 2017(02)
[3]基于深度學(xué)習(xí)的疾病診斷[J]. 陸家發(fā),張國明,陳安琪. 醫(yī)學(xué)信息學(xué)雜志. 2017(04)
[4]大規(guī)模深度學(xué)習(xí)為女性帶來的醫(yī)療之變[J]. 張含陽. 機(jī)器人產(chǎn)業(yè). 2017(02)
[5]基于深度學(xué)習(xí)的醫(yī)療命名實(shí)體識別[J]. 張帆,王敏. 計算技術(shù)與自動化. 2017(01)
[6]生成式對抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍. 自動化學(xué)報. 2017(03)
[7]生物醫(yī)學(xué)數(shù)據(jù)分析中的深度學(xué)習(xí)方法應(yīng)用[J]. 李淵,駱志剛,管乃洋,尹曉堯,王兵,伯曉晨,李非. 生物化學(xué)與生物物理進(jìn)展. 2016(05)
[8]美國啟動精準(zhǔn)醫(yī)療計劃[J]. 徐鵬輝. 世界復(fù)合醫(yī)學(xué). 2015(01)
[9]深度學(xué)習(xí)研究綜述[J]. 孫志軍,薛磊,許陽明,王正. 計算機(jī)應(yīng)用研究. 2012(08)
[10]生物信息學(xué)技術(shù)研究[J]. 馮思玲. 信息技術(shù). 2009(05)
碩士論文
[1]基于landmark基因集的深度學(xué)習(xí)基因表達(dá)預(yù)測方法[D]. 陳華宇.吉林大學(xué) 2017
本文編號:3566057
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3566057.html
最近更新
教材專著