俄勒岡州科瓦利斯——俄勒岡州立大學工程學院的一項新研究表明，機器學習技術可以提供強大的新工具，用于推進個性化醫(yī)療、護理，根據(jù)患者生物學和疾病特征的獨特方面優(yōu)化其結果。
機器學習是人工智能的一個分支，其中計算機系統(tǒng)使用算法??和統(tǒng)計模型來尋找數(shù)據(jù)趨勢，在細胞水平上解決了生物系統(tǒng)中長期無法解決的問題，俄勒岡州立大學的布賴恩·D·伍德說。與當時的 OSU 博士的研究牛津大學的學生 Ehsan Taghizadeh 和 Helen M. Byrne。
“這些系統(tǒng)往往具有很高的復雜性——首先是因為大量的單個細胞，其次是因為細胞的行為方式高度非線性，”環(huán)境工程教授伍德說。“非線性系統(tǒng)對放大方法提出了挑戰(zhàn)，這是研究人員可以在通常最相關的更大尺度上準確模擬生物系統(tǒng)的主要手段。”
科學或數(shù)學中的線性系統(tǒng)意味著系統(tǒng)輸入的任何變化都會導致輸出成比例的變化;例如，線性方程可能描述一個坡度，水平距離每增加一英尺，垂直方向增加 2 英尺。
非線性系統(tǒng)不是這樣工作的，世界上的許多系統(tǒng)，包括生物系統(tǒng)，都是非線性的。
這項由美國能源部部分資助并發(fā)表在《計算物理學雜志》上的新研究是使用機器學習解決非線性系統(tǒng)建模問題和理解人體組織中可能發(fā)生的復雜過程的首批例子之一，伍德說。
“機器學習的出現(xiàn)為我們提供了一種新工具，可以解決我們以前無法解決的問題，”他解釋道。“雖然工具本身不一定是新的，但我們擁有的特定應用程序卻大不相同。我們開始以更受限的方式應用機器學習，這使我們能夠解決以前無法解決的物理問題。”
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！