350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №3 за 2014 г.
Статья в номере:
Алгоритм булевского факторного анализа, основанный на комбинировании нейросетевого подхода и метода максимизации функции правдоподобия
Ключевые слова: булевский факторный анализ аттракторная нейронная сеть максимизация функции правдоподобия база данных KEGG
Авторы:
А. А. Фролов - д.т.н., профессор, зав. лабораторией, Институт высшей нервной деятельности и нейрофизиологии РАН, Москва Д. Гусек - к.т.н., ст. науч. сотрудник, Институт информатики АН ЧР, Прага (Чешская республика) П. Ю. Поляков - Технический университет Остравы (Чешская республика)
Аннотация:
Булевский факторный анализ предполагает, что исходные сигналы, факторные веса и факторные нагрузки являются бинарными. Описан новый подход к БФА, основанный на объединении предложенного ранее метода ANNIA (Attractor Neural Network with Increasing Activity, Аттракторная нейронная сеть с возрастающей активностью) с методом максимизации функции правдоподобия. Продемонстрирована высокая эффективность комбинированного метода на примере анализа сигналов базы данных KEGG, содержащей полные расшифровки генома для 1368 организмов.
Страницы: 3-11
Список источников

  1. Фролов А.А., Гусек Д., Поляков П.Ю. Булевский факторный анализ на основе аттракторной нейронной сети и некоторые его приложения // Нейрокомпьютеры: разработка, применение. 2011. № 1. С. 25-46.
  2. Dempster A.P., Laird N.M., Rubin D.B. Maximum likelihood from incomplete data via the EM algorithm // Journal of the Royal Statistical Society. Series B (Methodological)}. 1977. V. 39. № 1. P. 1-38.
  3. Foldiak P. Forming sparse representations by local anti-hebbian learning // Biological Cybernetics. 1990. V. 64. P. 165-170.
  4. Frolov A.A., Sirota A.M., Husek D., Muraviev I.P., Polyakov P.J. Binary factorization in Hopfield-like neural networks: single-step approximation and computer simulations // Neural Network Word. 2004. V. 14. P. 139-152.
  5. Frolov A.A., Husek D., Polyakov P., Rezankova H. New Neural Network Based Approach Helps to Discover Hidden Russian Parliament Voting Patterns // IEEE International Joint Conference on Neural Networks. 2006. P. 6518-6523.
  6. Frolov A.A., Husek D., Muraviev I.P., Polyakov P.Y. Boolean factor analysis by attractor neural network // IEEE Transactions on Neural Networks. 2007. V. 18. № 3. P. 698-707.
  7. Frolov A.A., Husek D., Rezankova H., Snasel V., Polyakov P. Clustering variables by classical approaches and neural network Boolean factor analysis // IEEE International Joint Conference on Neural Networks. 2008. P. 3742-3746.
  8. Frolov A.A., Husek D., Polyakov P.Y. Recurrent neural network based Boolean factor analysis and its application to automatic terms and documents categorization // IEEE Transactions on Neural Networks. 2009. V. 20. № 7. P. 1073-1086.
  9. Frolov A.A., Husek D., Polyakov P.Y. Estimation of Boolean factor analysis performance by informational gain // Proceedings of the 6th Atlantic Web Intelligence Conference (AWIC'2009). 2009. P. 83-94.
  10. Frolov A.A., Husek D., Polyakov P.Y. Origin and Elimination of Two Global Spurious Attractors in Hopfield-like Neural Network Performing Boolean Factor Analysis // Neurocomputing. 2010. V. 73. № 7-9. P. 1394-1404.
  11. Kanehisa M., Goto S., Kawashima S., Nakaya A. The KEGG databases at GenomeNet // Nucleic Acids Research. 2002. V. 30. № 1. P. 42.
  12. Kensche P.R., Noort V. Van, Dutilh B.E., Huynen M.A. Practical and theoretical advances in predicting the function of a protein by its phylogenetic distribution // Journal of the Royal Society Interface. 2008. V. 5. № 19. P. 151.
  13. Pellegrini M., Marcotte E.M., Thompson M.J., Eisenberg D., Yeates T.O. Assigning protein functions by comparative genome analysis: protein phylogenetic profiles // Proceedings of the National Academy of Sciences of the United States of America. 1999. V. 96. № 8. P. 4285.
  14. Ravasz E., Somera A.L., Mongru D.A., Oltvai Z.N., Barabґasi A.L. Hierarchical organization of modularity in metabolic networks // Science. 2002. V. 297. № 5586. P. 1551.
  15. Mering C. Von, Krause R., Snel B., Cornell M., Olive S.G.R, Fields S., Bork P. Comparative assessment of large-scale data sets of protein-protein interactions // Nature. 2002. V. 417. № 6887. P. 399-403.