0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看威廉希尔官方网站 视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

DNA人工神经网络如何处理机器学习问题?

EdXK_AI_News 来源:未知 作者:胡薇 2018-07-26 15:29 次阅读

美国加州理工学院的科研人员利用合成的DNA分子研制出了一个人工神经网络,能够处理经典的机器学习问题。

加州理工学院的研究人员开发了一种由DNA制成的人工神经网络,可以解决经典的机器学习问题:正确识别手写数字。这项工作在展示将人工智能引入合成生物分子电路的潜力方面迈出了重要一步。这项工作是在生物工程助理教授Lulu Qian的实验室完成的。描述该研究的论文于7月4日发表在网络上,并发表在7月19日出版的《自然》杂志上。

Qian表示:“虽然科学家们刚刚开始在分子机器中创建人工智能的探索,但其潜力已经不可否认。电子计算机和智能手机使得人类的能力比一百年前更强。与此类似的是,在未来的一百年内,人工分子机器可以构造出所有由分子组成的物体,其中甚至可能包括油漆和绷带。它们更加强大,且对环境的适应性更好。”

人工神经网络是受到人类大脑启发的数学模型。尽管与其生物学对应物相比被大大简化,人工神经网络的功能与神经元网络是类似的,并且也能够处理复杂信息。在Qian的实验室开展的这项工作的最终目标是利用DNA制作的人工神经网络对智能行为(计算、做出选择等行为的能力)进行编程

“每个人的大脑中都有超过800亿个神经元,因此人类可以做出非常复杂的决策。较小的动物,如蛔虫,可以使用几百个神经元做出较简单的决策。在这项工作中,我们设计并创造了很多生物化学电路,使其可以像一个小型神经元网络一样对分子信息进行分类,且能够处理的分子信息比以前复杂得多”,Qian说。

为了说明基于DNA的神经网络的能力,Qian实验室的研究生Kevin Cherry选择了电子人工神经网络的一个经典挑战作为自己的任务:识别字迹。人类笔迹的差别可能是很大的,所以当一个人仔细检查一个潦草的数字序列时,大脑会执行复杂的计算任务来识别它们。由于即使是人类也很难识别他人的潦草笔迹,所以识别手写数字是对将智能引入人工神经网络工作的一种常见测试。这些网络必须“学会”如何识别数字,解释笔迹的变化,然后把一个未知的数字与它们所谓的记忆进行比较,并确定是什么数字。

在发表在《Nature》的论文中,Cherry演示了由精心设计的DNA序列制成的神经网络可以进行规定的化学反应,以准确识别“分子字迹”。不同几何形状的视觉笔迹是不一样的。与此不同的是,分子字迹的每个例子并不具有某个数字的形状。相反,每个分子数字由20个独特的DNA链组成,这些DNA链选自100个分子,每个分子用于表征任意10×10模式下的单个像素。这些DNA链在一个试管中被混合在一起。“自然分子签名缺少几何特征的情况并不少见,但仍然需要复杂的生物神经网络来识别它们:例如,独特气味分子的混合物会包含某种气味,”Qian说。

在处理特定分子字迹的时候,DNA神经网络可以将其分类为多达九个类别,每个类别代表从1到9的九个可能的手写数字中的一个。

首先,Cherry构建了一个DNA神经网络来区分手写的6和7。他测试了36个手写数字,而试管神经网络正确识别了所有这些数字。理论上,他的系统能够将超过1.2万个手写的6和7分为两个类别——90%的数字来源于机器学习广泛使用的手写数字数据库。

这个过程的关键是使用由Qian和Cherry开发的DNA分子对“赢家通吃”竞争策略进行编码。在该策略中,为确定未知数字的身份,需要使用被称为歼灭者的特定类型的DNA分子来选择获胜者。

Cherry说:“歼灭者与来自一个竞争者的一个分子和来自另一个竞争者的一个分子形成一个化合物,并通过反应形成不活泼的惰性物种。歼灭者迅速吞噬所有竞争对手的分子,直到只剩下一个竞争对手的物种。然后,获胜的竞争者被恢复到高浓度并产生荧光信号,以此来表明网络的决定。”

接下来,在他的第一个DNA神经网络原理的基础上,Cherry开发了一个更复杂的模型,可以对从1到9的单个数字进行分类。当给出一个未知数字时,这款“智能汤(smart soup)”会进行一系列的反应并输出两个荧光信号,例如,绿色和黄色代表一个5,或绿色和红色代表一个9。

Qian和Cherry计划开发能够学习的人工神经网络,并从用于试管模型的实例进行学习。Qian表示,通过这种方式,可以训练同样的智能汤来执行不同的任务。Cherry说:“普通的医学诊断会检测到一些生物分子的存在,例如胆固醇或血糖。如果使用像我们这样的更复杂的生物分子电路,将来有可能可以对数百种生物分子进行诊断测试,并直接在分子环境中做出分析和反应。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 神经网络
    +关注

    关注

    42

    文章

    4771

    浏览量

    100720
  • 机器学习
    +关注

    关注

    66

    文章

    8408

    浏览量

    132572

原文标题:加州理工研制出DNA人工神经网络

文章出处:【微信号:AI_News,微信公众号:人工智能快报】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    详解深度学习神经网络与卷积神经网络的应用

    在如今的网络时代,错综复杂的大数据和网络环境,让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年,深度
    的头像 发表于 01-11 10:51 2025次阅读
    详解深度<b class='flag-5'>学习</b>、<b class='flag-5'>神经网络</b>与卷积<b class='flag-5'>神经网络</b>的应用

    人工神经网络原理及下载

    人工神经网络是根据人的认识过程而开发出的一种算法。假如我们现在只有一些输入和相应的输出,而对如何由输入得到输出的机理并不清楚,那么我们可以把输入与输出之间的未知过程看成是一个“网络”,通过不断地给
    发表于 06-19 14:40

    应用人工神经网络模拟污水生物处理

    应用人工神经网络模拟污水生物处理(1.浙江工业大学建筑工程学院, 杭州 310014; 2.镇江水工业公司排水管理处,镇江 212003)摘要:针对复杂的非线性污水生物处理过程,开发了
    发表于 08-08 09:56

    人工神经网络课件

    人工神经网络课件
    发表于 06-19 10:15

    人工神经网络算法的学习方法与应用实例(pdf彩版)

    物体所作出的交互反应,是模拟人工智能的一条重要途径。人工神经网络与人脑相似性主要表现在:①神经网络获取的知识是从外界环境学习得来的;②各
    发表于 10-23 16:16

    【专辑精选】人工智能之神经网络教程与资料

    电子发烧友总结了以“神经网络”为主题的精选干货,今后每天一个主题为一期,希望对各位有所帮助!(点击标题即可进入页面下载相关资料)人工神经网络算法的学习方法与应用实例(pdf彩版)卷积
    发表于 05-07 19:18

    机器学习神经网络参数的代价函数

    吴恩达机器学习笔记之神经网络参数的反向传播算法
    发表于 05-22 15:11

    人工神经网络实现方法有哪些?

    人工神经网络(Artificial Neural Network,ANN)是一种类似生物神经网络的信息处理结构,它的提出是为了解决一些非线性,非平稳,复杂的实际问题。那有哪些办法能实现
    发表于 08-01 08:06

    怎么设计ARM与神经网络处理器的通信方案?

    人工神经网络在很多领域得到了很好的应用,尤其是具有分布存储、并行处理、自学习、自组织以及非线性映射等特点的网络应用更加广泛。嵌入式便携设备也
    发表于 09-20 06:15

    【AI学习】第3篇--人工神经网络

    `本篇主要介绍:人工神经网络的起源、简单神经网络模型、更多神经网络模型、机器学习的步骤:训练与预
    发表于 11-05 17:48

    怎么解决人工神经网络并行数据处理的问题

    本文提出了一个基于FPGA 的信息处理的实例:一个简单的人工神经网络应用Verilog 语言描述,该数据流采用模块化的程序设计,并考虑了模块间数据传输信号同 步的问题,有效地解决了人工
    发表于 05-06 07:22

    如何用卷积神经网络方法去解决机器监督学习下面的分类问题?

    人工智能下面有哪些机器学习分支?如何用卷积神经网络(CNN)方法去解决机器学习监督
    发表于 06-16 08:09

    卷积神经网络简介:什么是机器学习

    抽象人工智能 (AI) 的世界正在迅速发展,人工智能越来越多地支持以前无法实现或非常难以实现的应用程序。本系列文章解释了卷积神经网络 (CNN) 及其在 AI 系统中机器
    发表于 02-23 20:11

    人工神经网络和bp神经网络的区别

    Network, NN)或神经计算(Neurocomputing)。ANN具有自适应学习、自适应处理能力和良好的非线性建模能力,可应用于模式识别、分类、预测、辨识、控制等领域,并在人工
    的头像 发表于 08-22 16:45 4456次阅读

    人工神经网络与传统机器学习模型的区别

    人工智能领域,机器学习神经网络是两个核心概念,它们各自拥有独特的特性和应用场景。虽然它们都旨在使计算机系统能够自动从数据中学习和提升,但
    的头像 发表于 07-04 14:08 1252次阅读