农业深度学习专题 栏目所有文章列表

(按年度、期号倒序)     一年内发表的文章 |  两年内 |  三年内 |  全部 Please wait a minute... 选择: 导出引用 EndNote Ris BibTeX 显示/隐藏图片 Select 1. 深度学习在植物基因组学与作物育种中的应用现状与展望 侯祥英, 崔运鹏, 刘娟 农业图书情报学报    2022, 34 (8): 4-18.   DOI: 10.13998/j.cnki.issn1002-1248.22-0101 摘要 （526）      PDF（pc） （1977KB）（352）    可视化    收藏 [目的/意义]随着单细胞测序、高通量技术的突破,植物基因组学也取得了巨大进步,可以低成本获取多维全基因组分子表型的海量数据。深度学习技术可以作为强大的数据挖掘工具对获取的分子表型进行进一步预测和解释。当前研究表明,深度学习在植物基因组学与作物育种研究任务中取得显著效果。但目前尚缺乏对于深度学习在植物基因组学中应用的完整综述。[方法/过程]本文首先概述了深度学习方法背景,包括最新的图神经网络;随后着重从基因特性、蛋白质特性方面综述了基因组学和深度学习交叉领域的两个突出问题：1）如何对从植物基因组DNA序列到分子表型的信息流进行建模?2）如何使用深度学习模型识别自然种群中的功能变异?[结果/结论]本文总结了当前研究中如何应用传统深度学习算法、图深度学习、生成对抗网络以及可解释性AI等方法解决上述两个问题。最后分析了深度学习在未来植物基因组学研究和作物遗传改良中的发展前景。 参考文献 | 相关文章 | 多维度评价 | 评论（0） Select 2. 基于BERT和深度主动学习的农业新闻文本分类方法 石运来, 崔运鹏, 杜志钢 农业图书情报学报    2022, 34 (8): 19-29.   DOI: 10.13998/j.cnki.issn1002-1248.22-0172 摘要 （351）      PDF（pc） （2191KB）（191）    可视化    收藏 [目的/意义]当前农业新闻分类研究中的模型训练以被动学习方式居多,普遍存在数据无法即时标注及标注成本过高的问题,对农业新闻分析工作也造成了一定阻碍。为解决该问题,运用主动学习或者深度主动学习技术从未标注数据中选择更有价值和代表性的数据进行人工标注并构建标注数据集,提升农业新闻挖掘工作效率和效果。[方法/过程]将文本分类常用的机器学习模型结合主动学习方法分析提升效果,以及使用BERT模型结合3种采样策略进行深度主动学习训练,在共19 847条样本的新闻爬虫语料上以筛选出农业相关新闻为目标,通过每轮增加30个样本标注的迭代实验进行测试。[结果/结论]实验结果表明：主动学习方法的应用对各个模型的训练过程均有明显提升。其中BERT模型配合判别性主动学习采样函数,具有最优的新闻文本分类效果和最低的标注数据需求。 参考文献 | 相关文章 | 多维度评价 | 评论（0）