在线观看www成人影院-在线观看www日本免费网站-在线观看www视频-在线观看操-欧美18在线-欧美1级

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

一種由DNA制成的人工神經網絡,可以正確識別分子數字

電子工程師 ? 來源:未知 ? 作者:李倩 ? 2018-07-23 09:16 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

“既然要學人腦的思維方式,為什么不去研究人腦?”霍金斯在《論智能》中說道。

如今,不少生物學研究者正朝著這個方向努力。

不過,請注意:這不是一次傳統意義上的生物實驗。

近日,據 Motherboard 等多家外媒報道,來自加州理工學院生物工程助理教授 Lu-lu Qian(錢璐璐)和她的學生 Kevin Cherry 共同開發出了一種由 DNA 制成的人工神經網絡,可以正確識別分子數字。這項工作是人工智能與合成生物分子電路成功“合體”的重要里程碑。

“盡管科學家剛剛開始探索在分子機器搭載人工智能,但其潛力已無可否認,”錢璐璐說。“類似電子計算機和智能手機為人類帶來了遠超過去百年的影響力,人造分子機器可以讓所有由分子組成的物體,甚至可能包括油漆和繃帶,比未來一百年更有用,有益于環境保護。”

據了解,該論文已于 7 月 19 日發表在《Nature》紙質版雜志上。

以下為論文摘要:

從細菌沿化學梯度運動,到大腦對復雜氣味信息進行區分,識別分子模式是生物有機體的重要技能。這種類型的信息處理方式已經能由基于 DNA 制成的神經網絡完成,不過,這僅限于 4 種 4 位的不同 DNA 分子。“贏者通吃”(winner takes all)的競爭策略被認為有望提高 DNA 神經網絡的能力。與之前使用的線性閾值和 Hopfield 網絡相比,“贏者通吃”的計算能力更強,可由單一分子完成,且不受模型數量和復雜性的影響。所以,無論是大量的單一模型,還是少量的復雜模型都能被識別。

據介紹,

Lu-lu Qain 和 Kevin Cherry 將這一數字增加到 9 種 100 位的圖案,研究小組設計的人工神經網絡能正確識別 10×10 像素網格內的 1到9 的數字。該神經網絡采用“贏家通吃”來優化輸出,識別數字。研究人員通過模擬手寫字體的變化,倒轉了 100 位中的 30 位,神經網絡仍能準確“記住”圖案并識別出數字。這一結果表明,分子計算電路擁有類似記憶力的能力,能夠對高度復雜、雜亂的信息進行分類。

▌以DNA和試管為“硬件”

這里不得不提一下神經網絡之父 Geoffrey Hinton 老爺子的貢獻。在他看來,通過模仿人類大腦,對其大腦中神經元如何運作進行了理想化實現,并將 HintonBack Propagation(反向傳播)算法應用到神經網絡。目前,機器學習中的大多數前沿技術都涉及人工神經網絡。

而錢璐璐實驗室的工作目的就是讓 DNA 構建的人工神經網絡來模仿和挑戰大腦神經元的能力。

簡單來講,所謂的 DNA 神經網絡就是將 DNA 和試管作為構建的物理基礎,就相當于我們通常所見的硅和晶體管

眾所周知,所有 DNA 都由四種堿性核苷酸組成:腺嘌呤(A)、胞嘧啶(C)、鳥嘌呤(G)和胸腺嘧啶(T)。一條核苷酸鏈與另一條鏈結合形成 DNA 雙鏈,但只能以特定方式結合(即 A-T 或 C-G)。這種可預測的組合模式使得這些核苷酸成為理想的計算設備,經過設計后,它們在各種分子形態下產生特定的化學反應。

這時,通過特定化學反應產生的現象,研究人員就可以判斷出該 DNA 神經網絡是否正確進行了識別。這次,錢璐璐實驗室挑戰的是如何教人工神經網絡識別手寫數字。

通常情況下,這對計算機來說很難。例如,人類在寫數字 4 時都會略有不同。一般人都很容易看出不同的 4 寫出來的時候會有哪些相似點,機器則沒有這種生物識別性。不過,要是向人工神經網絡提供大量 4 的書寫示例呢?算法會“學習”并對每個示例進行抽象,然后形成對 4 這個數字寫法的大致概念。下一次,算法在遇到類似 4 的事物時,它會將其自己形成對 4 的概念進行比較,如何匹配度足夠高,就會得出 4 的結論。

據了解,早在 2011 年,錢璐璐就用 DNA 創造了第一個人工神經網絡,但它只能識別出少數模式。而此次,錢璐璐的一位研究生 Kevin Cherry 通過將其應用于手寫“分子數字”的識別,大大提高了這項技術。

用合成 DNA 構建人工神經網絡,能夠識別分子編碼的“數字”。這是經典機器學習測試的又一次創新實驗。“人腦中大多有超過 800 億個神經元,能夠讓人類做出非常復雜的決定。像蛔蟲這樣的小動物有幾百個神經元,只能做出簡單的決定。在這項工作中,我們設計了一套生物化學模式,其作用類似于一個小的神經元網絡,對分子信息進行分類,實質上比之前更復雜。”錢璐璐說。

未來,錢璐璐實驗室希望通過這種形成的記憶將有助于 DNA 神經網絡執行不同任務,并改變醫學測試。

▌實驗過程

首先,每個“分子數字”是由 20 個 DNA 鏈構成,這些 DNA 鏈選自 100 個分子,每個分子代表 10×10 像素網格中任一位置。

然后,在試管中將這些 DNA 鏈混合在一起。試管中的 DNA 鏈由于全部混合在一起,因此分子在網格上呈現的位置完全靠濃度決定。當分子濃度達到一定階段時,DNA 鏈就會產生特定的反應,并在 10×10 網格上形成相應的數字,這一過程即為 DNA 神經網絡識別過程。

按照手寫數字從 1 到 9 的樣本,DNA 神經網絡也分類為 9 個類別。

以數字 6 和 7 的識別過程為例。

他們測試了 36 個不同版本的手寫數字,DNA 神經網絡正確識別出來這些數字。

這一過程中,他們利用了 DNA 分子編碼“贏者通吃”的競爭策略——DNA 神經網絡通過合成所謂的“殲滅者”來區分數字。

“殲滅者與來自一個競爭者的一個分子和來自不同競爭者的一個分子形成復合物,并反應形成惰性物質,無法產生化學反應。殲滅者迅速吞噬所有競爭者的分子,直到剩下一個競爭者。然后,獲勝的競爭者恢復到高濃度并產生熒光信號,表明神經網絡的決策。”Cherry 表示。

重要的是,獲勝者采取的方法將用于區分 DNA 試管中 1 到 9 的單個數字。例如,反應后,試管將顯示兩個熒光信號,綠色和黃色熒光代表 5,綠色或紅色代表 9。

▌錢璐璐本人

早在去年,錢璐璐實驗室就曾利用DNA打造了一個“小機器人”:對 DNA 進行“編程”,控制 DNA“走”到特定區域,“撿起”特定的分子,并把它們搬運到另一個地方。

據了解,錢璐璐本科研究生期間,先后在東南大學、上海交通大學就讀,隨后考入加州理工學院,從此開始了她長達 10 年的學習與研究生涯。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4814

    瀏覽量

    103441
  • 人工智能
    +關注

    關注

    1806

    文章

    48984

    瀏覽量

    248921
  • DNA
    DNA
    +關注

    關注

    0

    文章

    244

    瀏覽量

    31528

原文標題:華裔女性錢璐璐:用 DNA 開發人工智能神經網絡,識別手寫數字!

文章出處:【微信號:rgznai100,微信公眾號:rgznai100】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    BP神經網絡與卷積神經網絡的比較

    BP神經網絡與卷積神經網絡在多個方面存在顯著差異,以下是對兩者的比較: 、結構特點 BP神經網絡 : BP神經網絡
    的頭像 發表于 02-12 15:53 ?644次閱讀

    BP神經網絡在圖像識別中的應用

    傳播神經網絡(Back Propagation Neural Network),是一種多層前饋神經網絡,主要通過反向傳播算法進行學習。它通常包括輸入層、個或多個隱藏層和輸出層。BP
    的頭像 發表于 02-12 15:12 ?657次閱讀

    人工神經網絡的原理和多種神經網絡架構方法

    在上篇文章中,我們介紹了傳統機器學習的基礎知識和多種算法。在本文中,我們會介紹人工神經網絡的原理和多種神經網絡架構方法,供各位老師選擇。 01
    的頭像 發表于 01-09 10:24 ?1174次閱讀
    <b class='flag-5'>人工</b><b class='flag-5'>神經網絡</b>的原理和多種<b class='flag-5'>神經網絡</b>架構方法

    RNN模型與傳統神經網絡的區別

    傳統神經網絡(前饋神經網絡) 2.1 結構 傳統神經網絡,通常指的是前饋神經網絡(Feedforward Neural Networks, FNN),是
    的頭像 發表于 11-15 09:42 ?1116次閱讀

    LSTM神經網絡在語音識別中的應用實例

    語音識別技術是人工智能領域的個重要分支,它使計算機能夠理解和處理人類語言。隨著深度學習技術的發展,特別是長短期記憶(LSTM)神經網絡的引入,語音
    的頭像 發表于 11-13 10:03 ?1830次閱讀

    關于卷積神經網絡,這些概念你厘清了么~

    許多種類型,但本文將只關注卷積神經網絡(CNN),其主要應用領域是對輸入數據的模式識別和對象分類。CNN是一種用于深度學習的 人工神經網絡
    發表于 10-24 13:56

    殘差網絡是深度神經網絡

    殘差網絡(Residual Network,通常簡稱為ResNet) 是深度神經網絡一種 ,其獨特的結構設計在解決深層網絡訓練中的梯度消失和梯度爆炸問題上取得了顯著的突破,并因此成為
    的頭像 發表于 07-11 18:13 ?1602次閱讀

    卷積神經網絡的應用場景及優缺點

    卷積神經網絡(Convolutional Neural Networks,簡稱CNNs)是一種深度學習架構,它在圖像識別、視頻分析、自然語言處理等領域有著廣泛的應用。 、卷積
    的頭像 發表于 07-11 14:45 ?1820次閱讀

    卷積神經網絡有何用途 卷積神經網絡通常運用在哪里

    卷積神經網絡(Convolutional Neural Networks,簡稱CNN)是一種深度學習模型,廣泛應用于圖像識別、視頻分析、自然語言處理、生物信息學等領域。本文將介紹卷積神經網絡
    的頭像 發表于 07-11 14:43 ?4354次閱讀

    卷積神經網絡的基本概念、原理及特點

    卷積神經網絡(Convolutional Neural Networks,簡稱CNN)是一種深度學習算法,它在圖像識別、視頻分析、自然語言處理等領域有著廣泛的應用。本文將詳細介紹卷積神經網絡
    的頭像 發表于 07-11 14:38 ?2441次閱讀

    神經網絡辨識模型具有什么特點

    神經網絡辨識模型是一種基于人工神經網絡的系統辨識方法,它具有以下特點: 非線性映射能力 :神經網絡能夠處理非線性問題,
    的頭像 發表于 07-11 11:12 ?872次閱讀

    BP神經網絡最少要多少份樣本

    BP神經網絡(Backpropagation Neural Network)是一種多層前饋神經網絡,通過反向傳播算法進行訓練。BP神經網絡在許多領域都有廣泛的應用,如圖像
    的頭像 發表于 07-11 10:31 ?1300次閱讀

    不同類型神經網絡在回歸任務中的應用

    神經網絡一種強大的機器學習模型,可以用于各種任務,包括回歸。在本文中,我們將討論不同類型的神經網絡,以及它們在回歸任務中的應用。 基本的神經網絡
    的頭像 發表于 07-11 10:27 ?2039次閱讀

    怎么對神經網絡重新訓練

    重新訓練神經網絡個復雜的過程,涉及到多個步驟和考慮因素。 引言 神經網絡一種強大的機器學習模型,廣泛應用于圖像識別、自然語言處理、語音
    的頭像 發表于 07-11 10:25 ?853次閱讀

    pytorch中有神經網絡模型嗎

    當然,PyTorch是個廣泛使用的深度學習框架,它提供了許多預訓練的神經網絡模型。 PyTorch中的神經網絡模型 1. 引言 深度學習是一種基于
    的頭像 發表于 07-11 09:59 ?1789次閱讀
    主站蜘蛛池模板: 久久国产高清字幕中文 | 亚洲天堂成人在线 | 欧美天天爽 | 国产美女主播一级成人毛片 | 91久久国产青草亚洲 | 国产精品黄网站免费观看 | 国产h视频在线 | 免费超爽视频 | 欧美日本一区二区三区道 | 亚洲一卡二卡三卡 | 欧美成年网站 | 午夜视频网站 | 亚洲人成网站在线在线 | 又色又污又爽又黄的网站 | 国产一卡二卡≡卡四卡无人 | 色综合久久久高清综合久久久 | 久久黄网站 | 色资源窝窝全色 | 亚洲高清免费在线观看 | 天天躁夜夜躁 | 日本久久久 | 五月天丁香婷婷网 | 亚洲hhh | 福利片欧美 | 99久久综合狠狠综合久久男同 | 欧美中出在线 | 国产精品japanese人妖 | 欧美一级在线观看播放 | 永久免费av网站 | 啪啪免费小视频 | 在线免费午夜视频 | 黄色一级片视频 | 天天干夜夜操美女 | 手机看片国产免费现在观看 | 国产深夜福利在线观看网站 | 性欧美精品 | 色噜噜狠狠狠狠色综合久一 | 五月婷婷综合基地 | 亚洲五月综合网色九月色 | 天天想夜夜操 | 国产精品久久久久久久久 |