Ich habe mich kürzlich mit einer Kollaboration beschäftigt, bei der ich ein unüberwachtes künstliches neuronales Netzwerk (ANN) konstruieren und dann trainieren muss.
Ich habe jedoch nur ein sehr grobes Verständnis davon, was maschinell lernende Klassifikatoren zu tun versuchen und wie sie funktionieren. Chen et al. 's Random Forest (RF)-Klassifikator (Ensemble von Entscheidungsbäumen) für die Vorhersage von Protein-Protein-Wechselwirkungen. Außerdem habe ich sehr wenig Ahnung, welche Arten des maschinellen Lernens für verschiedene Klassen biologischer Probleme nützlich sind.
Also - falls vorhanden - würde ich mich sehr über Informationen zu Büchern freuen, die Anwendungen von Klassifikatoren für maschinelles Lernen in Biologie / Bioinformatik behandeln. Bevorzugte Kriterien sind:
Führt intuitiv Schlüsselkonzepte ein.
Veranschaulicht eine Vielzahl biologischer/bioinformatischer Probleme und ihre Lösungen durch geeignete Arten des maschinellen Lernens (z. B. wann ist es angemessen, KNNs im Vergleich zu HF-Klassifikatoren zu verwenden?)
Relativ kurz (ich plane, von vorne bis hinten zu lesen).
Verwandt
Auf der NIPS 2016 waren die meisten ANN-Implementierungen, die ich gesehen habe, mit Biologie verbunden und wurden mit Bildgebungsdaten trainiert, daher existiert die Art von umfassendem Buch, nach dem Sie suchen, wahrscheinlich noch nicht.
Wenn Sie jedoch die Suchfunktion auf Amazon.com verwenden, werden Sie Folgendes finden:
Künstliche neuronale Netze (Methoden der Molekularbiologie)
und dies scheint Ihren Anforderungen am besten zu entsprechen:
Neuronale Netze und Genominformatik, Band 1 (Methods in Computational Biology and Biochemistry)
Ich besitze ein Buch mit dem Titel Bioinformatics, The Machine Learning Approach, von Baldi und Brunak . Ich habe nicht mehr als einen Blick darauf geworfen, aber es könnte von Interesse sein. Es ist mehr auf Bioinformatik als auf allgemeine Computerbiologie ausgerichtet.
Remi.b