申请/专利权人：燕山大学

申请日：2023-08-22

公开（公告）日：2024-04-12

公开（公告）号：CN117057405B

主分类号：G06N3/063

分类号：G06N3/063;G06N3/067;G06N3/048;G16B40/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.12.01#实质审查的生效;2023.11.14#公开

摘要：本发明涉及基于新型激励函数的DNA分子学习机，属于DNA分子计算及人工智能的交叉领域，本方案提出了面向分子电路的新型激励函数，并将该激励函数嵌入到DNA分子电路中，构建了DNA分子学习机，该学习机的学习过程，即权值更新无需硅基电子计算机的参与，完全依靠DNA分子杂交反应的自适应性完成；该学习系统由三部分构成，包括DNA分子学习机的输入层部分、隐藏层部分和输出层部分，该DNA学习机具有学习较复杂非线性函数的能力，与硅电路串行计算模式不同的是，该学习过程是通过DNA杂交反应的同步性实现，因此该DNA分子学习机的计算模式为并行计算模式，通过该方法可以预测或拟合多变量非线性函数，并对输入项的个数没有限制。

主权项：1.基于新型激励函数预测变加速直线运动中位移与时间关系的DNA分子学习机方法，其特征在于，包括以下步骤：S1：基于DNA链置换反应构建激励函数；S2：利用理想化反应设计分子学习机，并将S1构建的激励函数嵌入到该分子学习机中；S3：根据S2中构建的分子学习机，设计相应的DNA分子反应模块，完成该分子学习机的DNA编译；S4：将S3中的DNA分子学习机进行训练使权值得到更新，计算DNA分子学习机的输出与期望值之间的相对误差，当相对误差达到或低于设定阈值时，达到训练目标；S5：为衡量该DNA分子学习机的拟合和预测能力，对其进行测试评估；所述S1中激励函数的理想化反应描述为： 反应1的微分方程如下： 公式2中的第二个式子两端同时取积分可得： 由公式3可得物质A的数学解析解为：lnAt＝-kxt+C14其中C1∈R，可得 当t＝0时,A0＝[A]0,因此显然At＝[A]0e-kxt6其中[*]0代表*的初始浓度；公式2中的第三个式子两端同时取积分可得： 将公式6的结果带入到公式7中，可得： 将积分变量t替换成-kxt可得： 根据公式9，可以得到yt的表达式为：yt＝C2-[A]0e-kxt其中C2∈R，当t＝0时，y0＝[y]0,因此C2＝[A]0+[y]0,则可得：yt＝[A]0+[y]01-e-kxt10公式10为新型激励函数的表达式；反应1由如下DNA链置换反应实现： 其中x和y为信号DNA分子，Ga、Gb和H为辅助DNA链。

全文数据：

权利要求：

百度查询： 燕山大学 基于新型激励函数的DNA分子学习机方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD