tlDLP算法

读《Transfer learning across ontologies forphenome–genome association prediction》

其中LBFGSB是限制内存的箱形约束优化的BFGS函数,属于最优化的内容。

 第十一行可以写成如下:

\frac{\partial \psi _{tlDLP}(X,Y^{(t-1)})}{\partial X}=(X-\widehat{X})_W+\beta_XXL_S+\gamma_XL_{G_X}X+\zeta\ast (XY^T-\widehat{Z})Y

第十六行可以写成如下:

\frac{\partial \psi _{tlDLP}(X^{(t)},Y)}{\partial X}=(Y-\widehat{Y})_W+\beta_YYL_S+\gamma_YL_{G_Y}Y+\zeta\ast (YX^T-\widehat{Z}^T)X

其中(X-\widehat{X})_W(Y-\widehat{Y})_W只对已知关联做计算,其它的计为0。

 输入

该算法的输入为:\widehat{X},\widehat{Y},\widehat{S},\widehat{G}_X,\widehat{G}_Y

  1. 第一个是已知的用于训练的基因-功能关联;
  2. 第二个是已知的用于训练的基因-表型关联;
  3. 第三个是标准化后的PPI权重网络的矩阵;
  4. 第四个是是标准化后基因本体的二进制图的矩阵;
  5. 第五个是是标准化后表型本体的二进制图的矩阵;

输出

该算法的输出为X,Y,即经过标签传播达到最大次数迭代或者收敛后新的基因-功能关联和基因-表型关联。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值