掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機車概要.交流傳動內(nèi)燃.電力機車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學的問題與脈絡
基因組信號處理 版權(quán)信息
- ISBN：9787030271235
- 條形碼：9787030271235 ; 978-7-03-027123-5
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>>
基因組信號處理 內(nèi)容簡介
本書主要介紹了基因調(diào)控網(wǎng)絡的建模方法及其動態(tài)行為分析、分類器的設計及其誤差估計、數(shù)據(jù)和特征的正則化, 以及聚類算法及其驗證過程等內(nèi)容。
基因組信號處理 目錄
譯者序
前言
第1章 生物基礎
1.1 遺傳學
1.1.1 核酸結(jié)構(gòu)
1.1.2 基因
1.1.3 RNA
1.1.4 轉(zhuǎn)錄
1.1.5 蛋白質(zhì)
1.1.6 翻譯
1.1.7 轉(zhuǎn)錄調(diào)控
1.2 基因組學
1.2.1 微陣列技術(shù)
1.3 蛋白質(zhì)組學
第2章 基因網(wǎng)絡的確定性模型
2.1 圖模型
2.2 布爾網(wǎng)絡
2.2.1 細胞分化和細胞的功能狀態(tài)
2.2.2 網(wǎng)絡特性及動態(tài)行為
2.2.3 網(wǎng)絡推理
2.3 布爾網(wǎng)絡的推廣
2.3.1 異步
2.3.2 多值網(wǎng)絡
2.4 微分方程模型
2.4.1 有轉(zhuǎn)錄和翻譯過程的微分方程模型
2.4.2 連續(xù)微分方程模型的離散化
第3章 基因網(wǎng)絡的隨機模型
3.1 貝葉斯網(wǎng)絡
3.2 概率布爾網(wǎng)絡
3.2.1 定義
3.2.2 推理
3.2.3 PBN的動力學
3.2.4 暫態(tài)隨機PBN的穩(wěn)態(tài)分析
3.2.5 PBN與貝葉斯網(wǎng)絡的關(guān)系
3.2.6 基于種子基因的子網(wǎng)絡的生長
3.3 干預
3.3.1 基因干預
3.3.2 結(jié)構(gòu)干預
3.3.3 外部控制
第4章 分類
4.1 貝葉斯分類器
4.2 分類規(guī)則
4.2.1 一致分類器設計
4.2.2 分類規(guī)則實例
4.3 有約束的分類器
4.3.1 分散系數(shù)
4.3.2 VC維數(shù)
4.4 線性分類
4.4.1 Rosenblatt感知器
4.4.2 線性及二次判別分析
4.4.3 基于*小二乘誤差的線性判別式
4.4.4 支持向量機
4.4.5 線性判別式的設計誤差的表示
4.4.6 基于樣本QDA判別式的分布
4.5 神經(jīng)網(wǎng)絡分類器
4.6 分類樹
4.6.1 分類與回歸樹
4.6.2 基于數(shù)據(jù)劃分的強一致規(guī)則
4.7 誤差估計
4.7.1 重代人法
4.7.2 交叉驗證
4.7.3 自舉法
4.7.4 支撐
4.7.5 誤差估計器性能
4.7.6 特征集排序
4.8 誤差校正
4.9 魯棒分類器
4.9.1 *優(yōu)魯棒分類器
4.9.2 魯棒分類器的性能比較
第5章 正則化
5.1 數(shù)據(jù)正則化
5.1.1 正則化判別分析
5.1.2 噪聲注入
5.2 復雜度正則化
5.2.1 誤差正則化
5.2.2 結(jié)構(gòu)風險*小化
5.2.3 經(jīng)驗復雜度
5.3 特征選擇
5.3.1 峰值現(xiàn)象
5.3.2 特征選擇算法
5.3.3 誤差估計對特征選擇的影響
5.3.4 冗余
5.3.5 并行增量特征選擇
5.3.6 貝葉斯變量選擇
5.4 特征提取
第6章 聚類
6.1 聚類算法的實例
6.1.1 歐氏距離聚類
6.1.2 自組織映射
6.1.3 分層聚類
6.1.4 基于模型的聚類算子
6.2 聚類算子
6.2.1 算法結(jié)構(gòu)
6.2.2 標記算子
6.2.3 貝葉斯聚類器
6.2.4 聚類算子的分布測試
6.3 聚類的驗證
6.3.1 外部驗證
6.3.2 內(nèi)部驗證
6.3.3 不穩(wěn)定指數(shù)
6.3.4 貝葉斯因子
6.4 聚類算子學習
6.4.1 經(jīng)驗誤差聚類算子
6.4.2 *近鄰聚類規(guī)則
索引
前言
第1章 生物基礎
1.1 遺傳學
1.1.1 核酸結(jié)構(gòu)
1.1.2 基因
1.1.3 RNA
1.1.4 轉(zhuǎn)錄
1.1.5 蛋白質(zhì)
1.1.6 翻譯
1.1.7 轉(zhuǎn)錄調(diào)控
1.2 基因組學
1.2.1 微陣列技術(shù)
1.3 蛋白質(zhì)組學
第2章 基因網(wǎng)絡的確定性模型
2.1 圖模型
2.2 布爾網(wǎng)絡
2.2.1 細胞分化和細胞的功能狀態(tài)
2.2.2 網(wǎng)絡特性及動態(tài)行為
2.2.3 網(wǎng)絡推理
2.3 布爾網(wǎng)絡的推廣
2.3.1 異步
2.3.2 多值網(wǎng)絡
2.4 微分方程模型
2.4.1 有轉(zhuǎn)錄和翻譯過程的微分方程模型
2.4.2 連續(xù)微分方程模型的離散化
第3章 基因網(wǎng)絡的隨機模型
3.1 貝葉斯網(wǎng)絡
3.2 概率布爾網(wǎng)絡
3.2.1 定義
3.2.2 推理
3.2.3 PBN的動力學
3.2.4 暫態(tài)隨機PBN的穩(wěn)態(tài)分析
3.2.5 PBN與貝葉斯網(wǎng)絡的關(guān)系
3.2.6 基于種子基因的子網(wǎng)絡的生長
3.3 干預
3.3.1 基因干預
3.3.2 結(jié)構(gòu)干預
3.3.3 外部控制
第4章 分類
4.1 貝葉斯分類器
4.2 分類規(guī)則
4.2.1 一致分類器設計
4.2.2 分類規(guī)則實例
4.3 有約束的分類器
4.3.1 分散系數(shù)
4.3.2 VC維數(shù)
4.4 線性分類
4.4.1 Rosenblatt感知器
4.4.2 線性及二次判別分析
4.4.3 基于*小二乘誤差的線性判別式
4.4.4 支持向量機
4.4.5 線性判別式的設計誤差的表示
4.4.6 基于樣本QDA判別式的分布
4.5 神經(jīng)網(wǎng)絡分類器
4.6 分類樹
4.6.1 分類與回歸樹
4.6.2 基于數(shù)據(jù)劃分的強一致規(guī)則
4.7 誤差估計
4.7.1 重代人法
4.7.2 交叉驗證
4.7.3 自舉法
4.7.4 支撐
4.7.5 誤差估計器性能
4.7.6 特征集排序
4.8 誤差校正
4.9 魯棒分類器
4.9.1 *優(yōu)魯棒分類器
4.9.2 魯棒分類器的性能比較
第5章 正則化
5.1 數(shù)據(jù)正則化
5.1.1 正則化判別分析
5.1.2 噪聲注入
5.2 復雜度正則化
5.2.1 誤差正則化
5.2.2 結(jié)構(gòu)風險*小化
5.2.3 經(jīng)驗復雜度
5.3 特征選擇
5.3.1 峰值現(xiàn)象
5.3.2 特征選擇算法
5.3.3 誤差估計對特征選擇的影響
5.3.4 冗余
5.3.5 并行增量特征選擇
5.3.6 貝葉斯變量選擇
5.4 特征提取
第6章 聚類
6.1 聚類算法的實例
6.1.1 歐氏距離聚類
6.1.2 自組織映射
6.1.3 分層聚類
6.1.4 基于模型的聚類算子
6.2 聚類算子
6.2.1 算法結(jié)構(gòu)
6.2.2 標記算子
6.2.3 貝葉斯聚類器
6.2.4 聚類算子的分布測試
6.3 聚類的驗證
6.3.1 外部驗證
6.3.2 內(nèi)部驗證
6.3.3 不穩(wěn)定指數(shù)
6.3.4 貝葉斯因子
6.4 聚類算子學習
6.4.1 經(jīng)驗誤差聚類算子
6.4.2 *近鄰聚類規(guī)則
索引
展開全部
書友推薦
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學概述
- >
小考拉的故事-套裝共3冊
- >
史學評論
- >
推拿
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
名家?guī)阕x魯迅:朝花夕拾
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我從未如此眷戀人間
本類暢銷
