Недавно я участвовал в сотрудничестве, которое требует, чтобы я построил, а затем обучил неконтролируемую искусственную нейронную сеть (ИНС).
Однако у меня очень приблизительное представление о том, что пытаются делать классификаторы машинного обучения и как они работают. Например, Чен и др. классификатор случайного леса (RF) (ансамбль деревьев решений) для прогнозирования взаимодействия белок-белок. Кроме того, я очень плохо представляю, какие типы машинного обучения полезны для разных классов биологических проблем.
Поэтому, если они существуют, я был бы очень признателен за информацию о книгах, в которых обсуждаются приложения классификаторов машинного обучения в биологии/биоинформатике. Предпочтительными критериями являются:
Интуитивно вводит ключевые понятия.
Иллюстрирует различные проблемы биологии/биоинформатики и их решения с помощью соответствующих типов машинного обучения (например, когда уместно использовать ИНС по сравнению с РЧ-классификаторами?)
Относительно короткий (планирую прочитать от корки до корки).
Связанный
На NIPS 2016 большинство реализаций ИНС, которые я видел, были связаны с биологией и обучались на данных изображений, поэтому такой всеобъемлющей книги, которую вы ищете, вероятно, еще не существует.
Однако, если вы воспользуетесь функцией поиска на Amazon.com, вы найдете:
Нейронные сети для прикладных наук и техники: от основ к сложному распознаванию образов
Искусственные нейронные сети (методы молекулярной биологии)
и это, которое, кажется, лучше всего соответствует вашим потребностям:
Нейронные сети и геномная информатика, том 1 (методы вычислительной биологии и биохимии)
У меня есть книга под названием «Биоинформатика, подход к машинному обучению», написанная Балди и Брунаком . Я не делал больше, чем просматривал его, но это может быть интересно. Он больше ориентирован на биоинформатику, чем на общую вычислительную биологию.
Реми.б