高通量基因组学正在为个性化医疗保健和针对性的药物设计和分娩中带来一个新时代。挖掘这些大型数据集并获得校准的预测是直接相关性和实用性。在我们的工作中,我们开发了基于深神网络的基因表达推断的方法。但是,与典型的深度学习方法不同,我们的推论技术在准确性方面达到最新性能,也可以提供解释并报告不确定性估计。我们采用分位数回归框架来预测一组保留基因表达的房屋的完整条件分位数。有条件的分位数除了提供对预测的丰富解释外,还对测量噪声也很强。但是,用于驱动估计过程的分位数回归中使用的检查损耗是无可分析的。我们将log-cosh作为检查损失的平滑效力。我们将方法应用于地理微阵列数据集。我们还将方法扩展到二进制分类设置。此外,我们研究了更快收敛损失的平稳性的其他后果。
translated by 谷歌翻译