反应扩散生物学模型中的无监督物理信息神经网络（溃疡性结肠炎与克罗恩病案例）：一项初步研究
机器学习
2023-02-16 v1 偏微分方程分析
定量方法
摘要
我们提议探索物理信息神经网络（PINNs）在求解一类用于建模慢性炎症性肠病（如克罗恩病和溃疡性结肠炎）传播的部分微分方程（PDEs）中的潜力。在深度神经网络训练过程中采用了无监督方法。鉴于底层生物系统的复杂性（其特征是复杂的反馈回路和高质量数据的有限可用性），本研究旨在探索 PINNs 在求解 PDEs 中的潜力。除了提供这一探索性评估外，我们还旨在强调方法中的可复现性与透明性原则，特别关注通过人工智能的使用来确保鲁棒性与泛化能力。我们将针对若干与生物学相关的线性和非线性 PDEs 量化 PINN 方法的相关性。然而，需注意最终解依赖于初始条件、所选边界条件以及神经网络架构。
引用
@article{arxiv.2302.07405,
title = {Unsupervised physics-informed neural network in reaction-diffusion biology models (Ulcerative colitis and Crohn's disease cases) A preliminary study},
author = {Ahmed Rebai and Louay Boukhris and Radhi Toujani and Ahmed Gueddiche and Fayad Ali Banna and Fares Souissi and Ahmed Lasram and Elyes Ben Rayana and Hatem Zaag},
journal= {arXiv preprint arXiv:2302.07405},
year = {2023}
}