Upload
mikaia
View
102
Download
1
Embed Size (px)
DESCRIPTION
Biosistemų modeliai. Prof . Robertas Damaševičius KTU Programų inžinerijos katedra, Studentų 50-415 Email: robe [email protected]. Biosistemų modeliai. Ekosistemų modeliai Plėšrūno-aukos modelis Neuroniniai modeliai Dirbtiniai neuroniniai tinklai Augimo modeliai Fraktalai - PowerPoint PPT Presentation
Citation preview
Prof. Robertas DamaševičiusKTU Programų inžinerijos katedra,
Studentų 50-409aEmail: [email protected]
Biosistemų modeliaiEkosistemų modeliai
Plėšrūno-aukos modelisNeuroniniai modeliai
Dirbtiniai neuroniniai tinklaiMatematiniai evoliucijos modeliai
Hiperciklai
Bioinformatika (B110B001) 2
Plėšrūno-aukos modelis (1)Pasiūlė A.J. Lotka (1925) ir V. Volterra (1926) Tarkime, triušiai yra aukos, o vilkai – plėšrūnai
x(t) – triušių skaičius, y(t) - vilkų skaičius momentu t.
Aukų populiacija apribota plėšrūnų populiacijos, triušiai dauginasi eksponentiškai
Vilkų populiacijos augimas priklauso nuo jų medžiojimo sėkmės Vilkų populiacijos mažėjimas priklauso nuo natūralaus
mirtingumo Auka turi neribotą maisto kiekį ir dauginasi eksponentiškai,
jeigu nėra medžiojama Medžiojimo koeficientas yra proporcingas plėšrūno ir aukos
susitikimo dažniui
Bioinformatika (B110B001) 3
Plėšrūno-aukos modelis (2)Galima užrašyti matematiškai diferencialinių lygčių sistema:
X – aukų skaičius/tankis;Y – plėšrūnų skaičius/tankis;α – aukų augimo greitis;β – X medžiojimo greitis;γ – Y asimiliacijos koeficientas;δ – plėšrūnų mirtingumo
koeficientasSistema turi dvi pusiausvyras:
Vilkai ir triušiai išnyksta: x* = 0, y* = 0. Pusiausvyra, kai x* = γ/δβ, y* = α/β.
Bioinformatika (B110B001) 7
YXYdt
dY
XYXdt
dX
Arditi-Ginzburg modelisAprašo plėšrūno ir grobio populiacijų
dinamiką atsižvelgiant į jų santykį
N – grobio individų skaičius, P – plėšrūnų skaičius, e ir u – koeficientai, f ir g – tam tikros funkcijos
Bioinformatika (B110B001) 8
Plėšrūno ir aukos populiacijų dinamika
Plėšrūno ir aukos modelis yra taikomas ir plačiau, kai egzistuoja konkurencija dėl tam tikrų resursų.
Bioinformatika (B110B001) 9
Populiacijų dinamikaCiklo periodasR ir d – grobio augimo ir
plėšrūnų mirtingumo koeficientai
Bioinformatika (B110B001) 10
Trd
2
Erdvinis plėšrūno-aukos modelisDemonstruoja populiacijų dinamiką erdvėjePagrįstas Lotka-Volterra modelio lygtimisModelio veikimo principas
Vienoje vietoje (ląstelėje) gali būti vilkas (plėšrūnas) arba triušis (auka)Kiekvienu laiko momentu atsitiktinai yra pasirenkama viena ląstelė ir
tos ląstelės kaimynasJei viename pasirinktų langelių yra vilkas, o kitame triušis, tuomet
triušis yra suvalgomas (miršta)Pasisotinęs vilkas gali atsivesti palikuonių (su tam tikra tikimybe)Jei viename pasirinktų langelių yra triušis, o kitame nieko nėra, tai
zuikis gali atsivesti palikuonių (su tam tikra tikimybe)Jei po visų šių pakeitimų vienas langelis tebėra užimtas, o kitas
laisvas, tai įvyksta perėjimas į laisvąjį langelį
Sudėtingesni modeliaiNaudojami sudėtingesnėms ekosistemoms modeliuotiVilkų ir avių modelis: 3 rūšių (vilkų, avių, žolės) sąveika
Nestabili ekosistema: laiko bėgyje išnyksta viena arba daugiau rūšiųStabili ekosistema: nei viena rūšis neišnyksta - populiacijų skaičius
svyruoja apie kažkokią konkrečią vertęGalima modeliuoti pasinaudojant Lotka-Volterra lygtimis Modelio principai:
Pradiniu laiko momentu yra tam tikras kiekis kiekvienos rūšies atstovų
Vilkai ir avys juda vieną ląstelę į atsitiktinę pusę. Žolė nejuda.Jei vilkas ir avis arba avis ir žolė yra toje pačioje ląstelėje, tai pirmasis
gyvūnas suvalgo antrajį. Rūšies atstovas surijęs kitos rūšies atstovą atstato savo energijąJei vilkas arba avis yra vieni ląstelėje, tai jie netenka vieno vieneto
energijos. Jei energija < 0, tai vilkas arba avis miršta.Bet kuriuo laiko momentu vilkas ar avis gali reprodukuotis (su tam
tikra tikimybe). Žolė atauga kas tam tikrą laiką.
Plėšrūno-aukos modelio vizualizacija
Grafinė vizualizacijahttp://mokslasplius.lt/rizikos-fizika/lotka-volterra-
equations
Erdvinė vizualizacijahttp://mokslasplius.lt/rizikos-fizika/agent-based-prey-
predator-modelhttp://germain.umemat.maine.edu/faculty/hiebeler/
java/CA/PredPrey/PredPrey.htmlhttp://www.leinweb.com/snackbar/wator/http://en.alife.pl/predators-and-prey-the-Lotka-Volterra-
model
Bioinformatika (B110B001) 14
Nicholson–Bailey modelisAprašo populiacijos dinamiką sistemoje šeimininkas-
parazitas
N ir P – šeimininkų ir parazitų skaičiusŠeimininko dauginimo greitis yra bUžkrėsti šeimininkai leidžia daugintis parazitams greičiu cUžkrėtimas įvyksta atsitiktinai, jei parazitas ir šeimininkas
susitinka. Susitikimų skaičius yra proporcingas šeimininkų ir parazitų tankio sandaugai
Modelis leido sėkmingai prognozuoti parazituojančių vabzdžių skaičių laboratorinėmis sąlygomis
Bioinformatika (B110B001) 16
)exp(1
)exp(
1
1
ttt
ttt
aPcNP
aPbNN
Vienos rūšies populiacijos modelisEksponentinis (neriboto augimo) modelisVerhulst (riboto augimo) modelis
Bioinformatika (B110B001) 17
Neriboto augimo modelisThomas R. Malthus (1766-1834), The Principle
of Population (1798) – žmogaus populiacijos augimo teorija, eksponentinio augimo modelis
Populiacijos dydis padvigubėja kas 25-30 metų
rteNN 0
)0(0 tNN
JAV gyventojų skaičius, 1650-1800
Riboto augimo modelis
Pierre Francois Verhulst (1846) – augimas priklauso ne tik nuo populiacijos dydžio, bet ir nuo kitų faktorių, kurie gali riboti augimą
rteNKN
KNN
)( 00
0
Verhulst modelisr – maksimalus augimo greitisK – augimo riba
r-rūšysr – didelis skaičius, daug palikuonių, iš kurių mažai sulaukia
brandaus amžiaus, paprastai užima siauras ekologines nišas - vabzdžiai
K-rūšysPopuliacija arti maksimalios ribos, didelė konkurencija tarp
individų, turi mažai palikuonių, kurių priežiūrai skiriama daug dėmesio, būdingas didelis kūnas, ilgas gyvenimo amžius – žinduoliai, žmonės
Bioinformatika (B110B001) 20
(1 )dN N
rNdt K
Biologiniai neuroniniai tinklaiŽmogaus nervų sistema – labai sudėtingas neuronų tinklas
sudaro 10 mljrd. biologinių tarpusavyje sujungtų neuronų Kiekvieną neuroną sudaro ląstelės branduolys, vienas
aksonas ir daugybė dendritų Ląstelės branduolys sumuoja signalus, gautus iš dendritų ir
sinapsių Dendritas priima signalus iš kitų neuronųAksonas perduoda elektrinius signalusMaži tarpai tarp išsišakojusių aksono galų ir dendritų
vadinami sinapse. Neuronas, gavęs pakankamai įvesties signalų,
stimuliuojančių neuroną iki slenkstinio lygio, išsiunčia impulsą savo aksonui
Tačiau jei įvesties signalai nepasiekia reikiamo slenkstinio lygio, jie greitai nuslopsta taip ir nesukėlę jokių veiksmų
Bioinformatika (B110B001) 22
Dirbtinis neuronasSvarbiausias neuroninio tinklo elementas.
komponentai: svoriai, slenksčiai ir aktyvavimo funkcija:
X = [x1, x2, ..., xn] – neurono įvestis,
W = [W1, W2, ..., Wn] - svorio koeficientai, rodantys atskirų įvesčių stiprumus jei Wi > 0, sužadinamas signalas išvestyje y
jei Wi < 0 – išvesties signalas slopinamas
Θ – vidinis neurono sklenkstisf – neurono aktyvavimo funkcijay – neurono išvestis
Bioinformatika (B110B001) 25
n
i
XWfy1
Aktyvavimo funkcijaAktyvavimo funkcija –matematinės operacijos su
išvesties signalu. Kokio sudėtingumo aktyvavimo funkcija taikoma,
priklauso nuo neuroninio tinklo sprendžiamo uždavinio.
Populiariausios – tiesinė, slenksčio, agregatinė tiesinė, sigmoidinė ir hiberbolinio tangento aktyvavimo funkcijos.
Dažniausiai naudojama sigmoidinė funkcija:
Bioinformatika (B110B001) 26
)1(
1* jskj
esf
Neuroninių tinklų struktūraSkiriami vienasluoksnių ir daugiasluoksnių
perceptronų neuroniniai tinklai. Daugiasluoksnių perceptronų tipo neuroninį
tinklą sudaro: Įvesties sluoksnis – neuronai, priimantys
informaciją iš išorinių šaltinių ir siunčiantys ją apdoroti tinklui.
Paslėptasis sluoksnis – neuronai, priimantys informaciją iš įvesties sluoksnio ir apdorojantys ją tik jiems žinomu būdu.
Išvesties sluoksnis – neuronai, gaunantys apdorotą informaciją ir siunčiantys ją iš neuroninio tinklo.
Bioinformatika (B110B001) 27
Vienkrypčio ryšio neuroninis tinklas
Vieno sluoksnio išvestys gali jungtis tik su kito sluoksnio įvestimis.
Paskutinio sluoksnio išvestys laikomos tinklo išvestimis.
Bioinformatika (B110B001) 29
www.elektronika.lt
Grįžtamojo ryšio neuroninis tinklas
Įvestis sudaro išorinės įvestys ir paties tinklo išvestis, kuriai būdingas tam tikras vėlinimas.
Bioinformatika (B110B001) 30
www.elektronika.lt
Neuroninių tinklų apmokymas (1)Prižiūrimas mokymas
Reikalingas išorinis mokytojas (duomenų rinkinys, programa, stebėtojas), valdantis mokymosi procesą ir teikiantis informaciją
Tikslas – priversti neuroninį tinklą pakeisti neuroninių jungčių svorius pagal pavyzdines įvestis ir išvestis
Mokymas baigiamas tinklui išmokus (galima minimali paklaida) sieti įvestis su išvestimis
Svarbus veiksnys – mokymo duomenų aibė, kuri turi būti suprantama ir privalo aprėpti visas tinklo taikymo sritis
Tinklas veiks gerai tik parinkus tinkamą mokymo aibę
Bioinformatika (B110B001) 31
Neuroninių tinklų apmokymas (2)Neprižiūrimas mokymas
Neturi išorinio mokytojo. Pateikiami tik įvesčių pavyzdžiaiSistema pati pagal požymius turi suklasifikuoti
įvestis.
Bioinformatika (B110B001) 32
Neuroninių tinklų taikymai (1)Ekonomikoje:
Finansinėms galimybėms vertinti: atsižvelgdami į kompanijos ar individualaus asmens finansines galimybes, tinklai nusprendžia, ar suteikti jiems kreditą.
Finansinėms prognozėms: prognozuojami būsimi akcijų kursai.
Vertybinių popierių portfeliui formuoti: kaip gauti didžiausią vertybinių popierių pelną ir kiltų mažiausia rizika.
Sukčiavimams nustatyti: automatiškai nustato bandymus neteisėtai atsiskaityti kreditine kortele
Medicinoje:Medicininei diagnozei: analizuodami simptomus ir
vaizdo duomenis, pavyzdžiui, rentgeno nuotraukas, tinklai padeda gydytojams nustatyti diagnozę.
Neuroninių tinklų taikymaiPramonėje:
Procesams modeliuoti ir valdyti: geriausiems valdymo parametrams nustatyti.
Mašinų diagnostikai: stebi mašiną ir jai sugedus įspėja sistemą.
Kokybei valdyti: pasitelkus vaizdo kamerą ar jutiklį analizuojama gaminių kokybė.
IT:Balsui atpažinti: tariamus žodžius verčia ASCII tekstu. Intelektualiai paieškai: neuroniniai tinklai taikomi
kuriant interneto paieškos variklius, besiremiančius ankstesnės vartotojo elgsenos analize ir pateikiančius vartotojui rezultatus.
DNT taikymo pavyzdysAntrinės baltymų struktūros prognozavimui
atliekami tokie žingsniai:Sukurkite neuroninį tinklą (parašykite programą).Apmokykite neuroninį tinklą su žinoma antrine
struktūra. Paduokite neuroniniam tinklui naujus baltymus su
nežinoma struktūra ir nustatykite jų struktūrą.Pasitikrinkite, ar numatoma struktūra yra
biologiškai prasminga. Dažniausiai yra naudojami grįžtamojo ryšio
daugiasluoksniai neuroniniai tinklai.
Bioinformatika (B110B001) 35