马尔可夫基因表达建模的神经网络矩闭合方法

Q3; 生物体的生命活动与基因表达密切相关,然而现有的基因表达矩闭合近似建模方法难以充分利用生化反应过程的潜在细节信息.本文提出了一种基于人工神经网络的矩闭合方法,其利用神经网络学习到矩方程组中高阶矩的低阶表示,使方程组实现闭合,并进一步结合常微分方程求解器对闭合后的方程组进行求解,最终获得精确的矩估计.实验结果表明,所提方法在预测精度和计算效率上显著优于传统方法....

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 51; no. 1; pp. 70 - 80
Main Authors 顾冬洋, 姜庆超
Format Journal Article
LanguageChinese
Published 华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237 2025
Subjects
moment closure method
gene expression modeling
最大熵原理
neural networks
随机模拟
神经网络
stochastic simulation
principle of maximum entropy
基因表达建模
矩闭合方法
Online AccessGet full text

Cover

More Information
Summary:Q3; 生物体的生命活动与基因表达密切相关,然而现有的基因表达矩闭合近似建模方法难以充分利用生化反应过程的潜在细节信息.本文提出了一种基于人工神经网络的矩闭合方法,其利用神经网络学习到矩方程组中高阶矩的低阶表示,使方程组实现闭合,并进一步结合常微分方程求解器对闭合后的方程组进行求解,最终获得精确的矩估计.实验结果表明,所提方法在预测精度和计算效率上显著优于传统方法.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20240227001