生物信息学讲课.pptVIP

§ 3.7 神经网络法 § 3.7.1简化的神经元数学模型 § 3.7.2 BP(Back Propagate)神经元网络模型 问题：假设给定了N个样本： {xk, yk}, (k=1,2,…,N) 如何训练网络，使得当输入为xk时，输出尽可能接近yk ？ 让我们考虑样板k: 正向传播： 结点 j 的输入应为： 逆向回传(调节连接权重)： 用t表征输出层的单元，将期望的输出(准确值)记为 yk = {ytk}, 对应的实际输(预报值)出记为 ?k = {?tk} 。逆向回传就是以期望输出和实际输出的差别(yk - ?k)为依据，来修正网络的连接权重w，之后又进行新一轮的预报。这种迭代过程一遍遍进行，直到平方型误差函数： § 3.7.3 人工神经元网络的基本特征 分布存储和容错性； 大规模并行处理； 自学习、自组织、和自适应性； 具有一般非线性动态系统的特征； 适于处理一些环境信息复杂、知识背景不清楚和推理规则不明确的问题。 § 3.7.4 实例: 用BP网络预测蛋白质二级结构 参考文献： J. Mol. Biol. 202: 865-884, 1988 § 3.8 进化树的构建 § 3.8.1 关于进化生物学 § 3.8.2 生命史的三个阶段 § 3.8.3 进化树的特征和术语 § 3.8.4 分子进化树的构建方