受生物启发的 ChaosNet 架构用于假设蛋白分类
机器学习
2023-07-25 v1
摘要
ChaosNet 是一种受人类大脑混沌特性影响而开发的用于分类问题的人工神经网络框架。ChaosNet 架构中的每个神经元都是一维混沌映射，称为广义吕罗级数 (GLS)。在 ChaosNet 中加入 GLS 作为神经元，使得计算过程简单直接，同时利用了混沌的优势特性。已有证明，ChaosNet 使用少得多的数据就能完成困难的分类问题，其性能与传统人工神经网络 (ANN) 相当或更优。在本文中，我们使用 ChaosNet 对假设蛋白 (HP) 进行功能分类，这确实是生物信息学中一个备受关注的课题。我们将使用显著更少训练数据获得的结果与文献中使用的标准机器学习技术进行了比较。
引用
@article{arxiv.2302.02427,
title = {Biologically inspired ChaosNet architecture for Hypothetical Protein Classification},
author = {Sneha K H and Adhithya Sudeesh and Pramod P Nair and Prashanth Suravajhala},
journal= {arXiv preprint arXiv:2302.02427},
year = {2023}
}