共查询到19条相似文献,搜索用时 156 毫秒
1.
2.
依靠基因调控网络来预测农作物的表现型,对于保障全球的粮食安全有着极其重要的意义。提出了一种基于笛卡尔遗传规划(Cartesian genetic programming)和线性递减惯性权重粒子群优化(linear decreasing inertia weightparticle swarm optimization)的混合算法,用于基因调控网络的建模。进一步,为了验证算法的有效性,将算法应用于拟南芥开花调控系统的模型重建问题。最后通过计算机仿真实验表明,该算法能够根据农作物的基因型和环境情况,重建出能够较精确地预测农作物表现型的基因调控网络模型。 相似文献
3.
为了进一步提高基因调控网络构建的精确度,提出一种基于多数据源融合的时延基因调控网络构建算法.该算法基于递归模糊神经网络模型,使用时序互信息估计基因间的转录时延,并限制每个基因的潜在调控基因,从而有效提高建网的效率.在网络结构学习阶段,使用离散多目标粒子群优化(discrete multi-objective particle swarm optimization,dMOPSO)算法实现从时序基因表达数据和CHIP-chip数据共同构建基因调控网络.人工模拟数据和酵母菌细胞周期表达数据的实验结果表明该算法能正确选出潜在的调控基因,从而更加精确地构建基因调控网络. 相似文献
4.
配电网重构的目的在于对电力网络结构的优化.以网络损耗为目标函数,利用配电网开环运行的特点,构建了一个节点数据存储矩阵,在迭代时更新矩阵,再用前推回代方法进行潮流计算.其次,为了弥补单一算法的缺陷,在粒子群算法的基础上,引入遗传算法中的算子后,对粒子进行更新,以此混合求解配电网重构问题.最后,利用MATLAB对标准IEE... 相似文献
5.
首先利用粒子群算法和投影寻踪技术构造神经网络的学习矩阵,基于负相关学习的样本重构方法生成神经网络集成个体,进一步用粒子群算法和投影寻踪回归方法对集成个体集成,生成神经网络集成的输出结论,建立基于粒子群算法-投影寻踪的样本重构神经网络集成模型。该方法应用于广西全区的月降水量预报,结果表明该方法在降水预报中能有效从众多天气因子中构造神经网络的学习矩阵,而且集成学习预测精度高、稳定性好,具有一定的推广能力。 相似文献
6.
针对标准BP算法易陷入局部极值及收敛速度慢等问题,提出一种基于粒子群优化与BP算法的协同神经网络学习方法。该方法在网络的学习过程中,同时利用PSO优化算法与BP算法进行最优网络权值的协同搜索,从而充分利用粒子群算法的全局搜索性及BP算法的反向传播特点。将该算法应用于4个复杂函数的拟合仿真,并与标准BP算法以及传统的粒子群优化BP神经网络算法进行比较。实验结果表明所提的协同算法的性能优于传统的BP网络优化算法。 相似文献
7.
8.
9.
为了提高粒子群算法的优化性能,通过观察和分析雁群结队飞行的智能群体现象,国内学者提出了基于雁群启示的粒子群优化算法(GeesePSO,GPSO)。该算法虽然在一定程度上提高了PSO算法的性能,但是在GPSO算法中存在着不合理的加权平均机制,即最小值寻优方面的加权缺陷。针对该问题,本文通过采用高斯加权方法对GPSO进行合理改进,提出一种基于高斯加权改进的粒子群优化算法(Gaussian-Weighted GPSO,GWGPSO)。实验结果表明:新算法在收敛精度、收敛速度和鲁棒性等指标上得到了提高,从而证明高斯加权方式是合理的和正确的。 相似文献
10.
11.
Recently, many methods have been proposed for constructing gene regulatory networks (GRNs). However, most of the existing methods ignored the time delay regulatory relation in the GRN predictions. In this paper, we propose a hybrid method, termed GA/PSO with DTW, to construct GRNs from microarray datasets. The proposed method uses test of correlation coefficient and the dynamic time warping (DTW) algorithm to determine the existence of a time delay relation between two genes. In addition, it uses the particle swarm optimization (PSO) to find thresholds for discretizing the microarray dataset. Based on the discretized microarray dataset and the predicted types of regulatory relations among genes, the proposed method uses a genetic algorithm to generate a set of candidate GRNs from which the predicted GRN is constructed. Three real-life sub-networks of yeast are used to verify the performance of the proposed method. The experimental results show that the GA/PSO with DTW is better than the other existing methods in terms of predicting sensitivity and specificity. 相似文献
12.
13.
14.
目前基于微分方程模型学习网络参数的工作普遍基于卡尔曼滤波器,对所分析系统有线性假设前提,而基因调控网络具有强非线性,因此需要更适用于非线性模型的方法。提出了一种基于无迹粒子滤波器学习基因调控网络参数的方法,由于粒子滤波方法不受模型线性假设的约束,因此能够对非线性系统进行更好的拟合。通过对Repressillar模型中隐变量与未知参数的估计并与无迹卡尔曼滤波器所获结果的比较,提出的算法有效减少了估计误差。并对粒子数目对结果的影响进行了分析。相较于卡尔曼滤波器,无迹粒子滤波方法对于调控网络参数学习精度更高。粒子数目太少或太多都会减弱估计精度,因此选择适当的粒子数目非常重要。 相似文献
15.
为了实时监测和精准预测煤矿回采工作面绝对瓦斯涌出量,提出猫群算法(CSO)优化相关支持向量机(RVM)的绝对瓦斯涌出量预测方法.相关向量机的组合核函数可实现多特征空间的信息融合,为有限样本、高维数瓦斯涌出量预测建模问题提供一种行之有效的方法.并用CSO算法对RVM瓦斯涌出量预测模型的核函数权重p和高斯核参数σ快速寻优.利用矿井无线传感器网络检测到的各项历史数据试验.结果表明,相比BP、SVM算法,该耦合模型有效提高了预测精度,具有更好的泛化能力,为矿井瓦斯预测提供理论支持. 相似文献
16.
针对体域网远程监护中心对重构的心电信号(Electrocardiogram,ECG)精度要求高和体域网(Body sensor network,BSN)低功耗问题,提出基于过完备字典的体域网压缩感知心电重构方法. 该方法利用压缩感知理论,在传感节点端利用随机二进制矩阵对心电信号进行观测,观测值被传送至远程监护中心后,再利用基于K-SVD算法训练得到的过完备字典和块稀疏贝叶斯学习重构算法对心电信号进行重构. 仿真结果表明,当心电信号压缩率在70%~95%时,基于K-SVD过完备字典比基于离散余弦变换基的压缩感知心电重构信噪比高出5~22dB. 该方法具有信号重构精度高、功耗低和易于硬件实现的优点. 相似文献
17.
针对循环神经网络(RNN)的门控循环单元(GRU)在进行地点推荐时没有考虑地点的时间和空间信息的影响,提出了融合时空感知的GRU模型。另外,对于签到序列中不相关的签到数据会产生噪声的问题,提出了融合时空感知的GRU和注意力的下一个地点推荐模型(ST-GRU+Attention)。首先,通过计算两个地点之间时间间隙和距离间隙,在GRU模型的基础上增加时间门和空间门,设置权重矩阵,控制时间信息和空间信息对推荐下一个地点的影响;然后,引入注意力机制,通过计算用户偏好的注意力权重得分,得到用户的注意力权重系数,获取用户的个性化偏好;最后,通过贝叶斯个性化排序(BPR)算法构造目标函数并学习模型参数。实验结果表明,与个性化马尔可夫链和用户位置受限的推荐方法(FPMC-LR)、基于个性化排名度量嵌入的推荐方法(PRME)和融合时间和空间的循环神经网络(ST-RNN)的推荐方法相比,ST-GRU+Attention的准确度有了较大的提高,其准确率(Precision)和召回率(Recall)两项指标比较优的ST-RNN算法分别提高了15.4%和17.1%。ST-GRU+Attention推荐方法可以有效地改善地点推荐的结果。 相似文献
18.