RIKEN开发了一种将CNN应用于非图像数据的方法
理研发现,MATLAB在深度学习和机器学习方面具有有用的特性,使用户可以通过减少编码时间来加快研究速度。
检测表现型或类标签的微小变化,如基因组分析中使用的那些,是一项重要但富有挑战性的任务。即使有足够的数据,识别基因或相关特征也不容易。
众所周知,CNN是一种有效的图像数据处理方法,但在需要处理RNA序列数据等非图像数据的基因研究中,应用起来比较困难。
理研是日本最大的基础和应用科学研究机构。在他们的DeepInsight项目中,研究人员将非图像数据转换为图像格式,以有效地应用CNN。使用MATLAB®为了将相似的元素放在一个集群中,研究小组对非图像数据进行了特征提取,并确定了隐藏的机制。
主要成果
- 应用CNN对非图像数据进行快速特征提取和分类
- 减少编码时间
- 使用多个gpu进行深度学习训练和推理