建立通用的DNA计算模型来解决神经网络分类问题

论文摘要

人工神经网络是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理等学科,有着非常广泛的应用背景,这门学科的发展对目前和未来的科学技术的发展将有重要的影响,其独特的结构和处理信息的方法,使其在许多实际应用领域中取得了显著的成效,能够解决一些传统计算机极难求解的问题。DNA计算是一门新的学科。这门学科主要研究如何利用DNA分子Waston-Crick互补配对原则进行极度并行计算的特点去解决人类数学中的各种问题,特别是计算机所不能解决的NP问题。目前已验证有大量的问题可以通过DNA计算来解决。1994年,美国科学家Adleman首次利用DNA计算解决了七节点Hamilton路径问题。此外,2001年11月22日Nature杂志上关于威兹曼实验室制造出自动DNA计算机的报道,再一次向世人证明了DNA分子具有强大的计算能力。本文建立了一个通用的DNA计算模型来解决神经网络分类问题,此模型的主要思想不同于传统的串行修改或计算神经元之间的连接权值,而是从所有可能的权值组合中寻找到一组适合所有样本对的理想输入与理想输出的对应关系的权值组合,也就是并行的实现了神经网络的学习过程,充分地利用了DNA计算极度并行的特点。同时由其通用的特性,可将这个DNA计算模型用于一般的n层前向式网络,用于解决其分类问题。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 前言
• 1.2 对DNA 计算的简单介绍
• 1.2.1 DNA 分子的结构
• 1.2.2 DNA 分子的各种操作反应
• 1.2.3 DNA 计算过程与数学过程的简单对比
• 1.2.4 DNA 计算相比于传统计算机的优点
• 1.2.5 DNA 计算的发展
• 1.3 目前DNA 计算的主要应用
• 1.3.1 分子计算的循环
• 1.3.2 自动的分子计算
• 1.3.3 分子计算机
• 1.4 研究内容和研究意义
• 1.5 本章小结
• 第2章 人工神经网络概述
• 2.1 对神经网络的简单介绍
• 2.2 人工神经网络的研究历史
• 2.3 人工神经网络的研究目的以及其特点
• 2.4 神经网络的一般框架
• 2.5 人工神经元的结构模型
• 2.6 人工神经网络的学习
• 2.7 人工神经网络的基本功能
• 2.8 本章小结
• 第3章 建立通用的DNA 计算模型来解决神经网络分类问题
• 3.1 预备知识
• 3.2 研究内容、研究目标及研究意义
• 3.3 人工神经网络模型的分类过程
• 3.4 建立DNA 计算模型实现分类
• 3.4.1 建立DNA 计算模型前的准备工作
• 3.4.2 对各个计算模型分别编码DNA 分子设计
• 3.4.3 学习过程
• 3.4.4 分类过程
• 3.5 本章小结
• 第4章 HOPFIELD 网络的DNA 模型
• 4.1 简单介绍
• 4.2 HOPFIELD 网络的DNA 计算模型
• 4.2.1 编码DNA 分子设计
• 4.2.2 DNA 计算操作
• 4.3 一个简单例子
• 4.3.1 人工神经网络中的分类过程
• 4.3.2 DNA 计算操作
• 4.4 本章小结
• 结论
• 参考文献
• 致谢