Jun, 2023

利用系统发育引导的神经网络从图像中发现新的生物特征

PDF
TL;DRPhylo-NN 是一种无需标签，直接从昆虫图片中提取进化特征序列的方法，对鱼类进行了演示，证明了其用于物种图像生成和物种 - 物种图像转换的有效性。
evolutionary traitsphylogenetic treephylo-nnbiologically meaningful resultsspecies image generation
发现论文，激发创造
  • 利用深度卷积神经网络从数字化标本中识别分类和特征

    该研究使用卷积神经网络对数字化后的植物标本图像进行分类和特征提取，取得了良好的分类和识别效果，将有望用于未来的分类学和自然历史收藏管理工具中。

    Mar, 2018

  • 具有对称性保持的神经网络模型实现精确的系统发育推断

    本文提出了一种新的神经网络模型，在长支吸引（LBA）情况下优于标准的系统发育方法和其他神经网络实现方式，并且与现有的神经网络模型不同之处在于，我们的模型自然考虑到树的同构性，通过排列不变函数这一方法得出的结果在内存使用上更为高效，并可无缝地扩展到更大的树。

    Jan, 2022

  • 通过图神经网络学习可学习的拓扑特征进行系统发育推断

    本文提出基于可学习拓扑特征的系统发育推断结构表示方法，通过结合最小化狄利克雷能量的原始节点特征和现代图表示学习技术，该方法可提供高效的系统发育树结构信息，可自动适应不同的下游任务。在模拟数据和具有挑战性的实际数据上进行验证和评估。

    Feb, 2023

  • 系统进化卷积神经网络在宏基因组学中的应用

    引入了一种新的深度学习架构，基于卷积神经网络，使用在系统发生树上定义的祖先距离作为相似度测量来分类元基因组数据，测试表明该算法在分类表现上与传统算法和基线全连接神经网络相比有很好的表现。

    Sep, 2017

  • 基于遗传编程的进化深度学习用于数据高效图像分类

    本文提出了一种基于遗传编程的演化深度学习方法，可以自动演化可变长度模型，同时构建有效和多样化的 ensemble 用于图像分类，具有优越的性能和解释性。

    Sep, 2022

  • 光子神经网络的高效训练和设计通过神经进化算法实现

    本文提出了一种使用神经进化学习策略来设计和训练光学神经网络（ONNs）的新方法。通过使用两种典型的神经进化算法来确定 ONNs 的超参数并优化连接中的权重（相移器），本研究证明了该训练算法是有效的，且在对虹膜植物数据集，葡萄酒识别数据集和调制格式识别等分类任务上展示出与其他传统学习算法相当的能力和稳定性。

    Aug, 2019

  • 深度学习生成神经进化

    本篇论文探讨神经进化在深度学习中的作用，其中 HyperNeat 通过训练一种间接编码来实现学习大型神经结构，并且结合其他机器学习方法可以有效提取特征。

    Dec, 2013

  • 图像分类器的大规模进化

    采用进化算法发现神经网络的架构，提出新型变异算子探索搜索空间以实现自动化，成功在 CIFAR-10 和 CIFAR-100 数据集上达到 94.6% 和 77.0% 的准确率，且无需人为干预。

    Mar, 2017

  • 演化深度卷积神经网络用于图像分类

    本文提出了一种利用遗传算法优化深度卷积神经网络结构和连接权重初始化的图像分类算法，该算法利用一个高效的可变长度基因编码策略和新的表示方案初始化深度卷积神经网络的连接权重，并提出了一种新的适应度评估方法，实现了在少量计算资源下的快速启发式搜索，与其他 22 个现有算法相比在九个广泛应用于图像分类的任务中表现明显优越。

    Oct, 2017

  • EIGEN：生态灵感发掘的神经网络结构遗传搜索

    利用基因演化算法，通过模拟自然进化中物种的演化规律，从初始简单神经网络不断进化，辅以基因复制和模拟成功网络行为等方法，在减少计算量的同时有效地解决深度学习中神经网络结构设计的难点，该方法在 CIFAR-100 数据集上实现了 78.1％的测试准确率。

    Jun, 2018