尔云间生信代码|深度学习-人工神经网络（ANN）的构建

2022-07-12 14:00 作者:尔云间 0人读过 | 我要投稿

神经网络被广泛用于诸如分类、聚类、预测等诸多领域。ANN优势：1.可以检测因变量与自变量之间的非线性关系；2.可以利用算法并行化实现对大数据的高效训练；3.属于无参模型，能够避免参数估计过程中产生的错误。

科研有捷径，输入代码，一键获取科研成果！就是这么省事，来具体看下有多方便！

搜索http://985.so/a9kb查看全部代码（目前共计50+持续新增中），也可以点击右侧【目录】，可以看到更多有趣的代码；真香提示：文末可以知道如何获取代码~

神经网络由一组互联的结点组成，这些节点分别负责网络的输入，连接，处理以及输出。神经网络被广泛用于诸如分类、聚类、预测等诸多领域。借助neuralnet训练得到神经网络模型。视频版请见深度学习-人工神经网络（ANN）的构建/生物信息/人工智能/R语言

人工神经网络（ANN）是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

ANN的优势：

1.可以检测因变量与自变量之间的非线性关系

2.可以利用算法并行化实现对大数据的高效训练

3.属于无参模型，能够避免参数估计过程中产生的错误

小编最近发现已有部分研究将深度学习-ANN模型应用于生信文章，如下图。这篇影响因子 > 5分简单纯生信文章。