11、机器学习在生物医学与健康信息学中的应用

机器学习在生物医学与健康信息学中的应用

1. 人工神经网络（ANN）概述

人工神经网络（ANN）的构建目标是将人类大脑解决问题的方式融入计算系统。神经元能够接收、处理并将信号进一步传递给其他神经元。ANN主要由三种类型的层组成，其操作主要包括学习和回忆两个过程。
- 学习 ：当特定的学习示例作为输入缓冲区时，根据特定的学习规则调整连接权重。
- 回忆 ：接受输入并根据网络的学习结果产生特定响应。

ANN与其他传统计算和人工智能技术相比，具有以下四个主要特征：
1. 通过示例学习 ：能够从给定的示例中学习模式和规律。
2. 容错性 ：信息分布在网络的多个处理元素中，单个元素的故障对整个网络功能的影响可忽略不计。
3. 分布式关联记忆 ：知识单元的存储分布在所有连接权重中，即使输入部分信息，训练好的网络也能找到最接近的匹配并产生近乎完整的输出。
4. 模式识别 ：能够同时匹配大量输入，对噪声有合理响应，并产生分类或泛化的输出。

近期在机器学习中使用的ANN类型有六种，如下表所示：
| ANN类型 | 说明 |
| ---- | ---- |
| 前馈神经网络（Feed - Forward Neural Network） | - |
| 径向基函数神经网络（Radial basis function Neural Network） | - |
| 科霍宁