神經(jīng)網(wǎng)絡(luò)被廣泛用于諸如分類、聚類、預(yù)測(cè)等諸多領(lǐng)域。ANN優(yōu)勢(shì)：1.可以檢測(cè)因變量與自變量之間的非線性關(guān)系；2.可以利用算法并行化實(shí)現(xiàn)對(duì)大數(shù)據(jù)的高效訓(xùn)練；3.屬于無參模型，能夠避免參數(shù)估計(jì)過程中產(chǎn)生的錯(cuò)誤。

科研有捷徑，輸入代碼，一鍵獲取科研成果！就是這么省事，來具體看下有多方便！

搜索http://985.so/a9kb查看全部代碼（目前共計(jì)50+持續(xù)新增中），也可以點(diǎn)擊右側(cè)【目錄】，可以看到更多有趣的代碼；真香提示：文末可以知道如何獲取代碼~

神經(jīng)網(wǎng)絡(luò)由一組互聯(lián)的結(jié)點(diǎn)組成，這些節(jié)點(diǎn)分別負(fù)責(zé)網(wǎng)絡(luò)的輸入，連接，處理以及輸出。神經(jīng)網(wǎng)絡(luò)被廣泛用于諸如分類、聚類、預(yù)測(cè)等諸多領(lǐng)域。借助neuralnet訓(xùn)練得到神經(jīng)網(wǎng)絡(luò)模型。視頻版請(qǐng)見深度學(xué)習(xí)-人工神經(jīng)網(wǎng)絡(luò)（ANN）的構(gòu)建/生物信息/人工智能/R語言

人工神經(jīng)網(wǎng)絡(luò)（ANN）是一種運(yùn)算模型，由大量的節(jié)點(diǎn)（或稱神經(jīng)元）之間相互聯(lián)接構(gòu)成。每個(gè)節(jié)點(diǎn)代表一種特定的輸出函數(shù)，稱為激勵(lì)函數(shù)（activation function）。每?jī)蓚€(gè)節(jié)點(diǎn)間的連接都代表一個(gè)對(duì)于通過該連接信號(hào)的加權(quán)值，稱之為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵(lì)函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對(duì)自然界某種算法或者函數(shù)的逼近，也可能是對(duì)一種邏輯策略的表達(dá)。

ANN的優(yōu)勢(shì)：

1.可以檢測(cè)因變量與自變量之間的非線性關(guān)系

2.可以利用算法并行化實(shí)現(xiàn)對(duì)大數(shù)據(jù)的高效訓(xùn)練

3.屬于無參模型，能夠避免參數(shù)估計(jì)過程中產(chǎn)生的錯(cuò)誤

小編最近發(fā)現(xiàn)已有部分研究將深度學(xué)習(xí)-ANN模型應(yīng)用于生信文章，如下圖。這篇影響因子 > 5分簡(jiǎn)單純生信文章。?

但是具體要如何實(shí)現(xiàn)？？？ 今天，小云以代碼提供的數(shù)據(jù)為例進(jìn)行說明。

代碼具體包括：

Step1 輸入數(shù)據(jù)并構(gòu)建ANN網(wǎng)絡(luò)

Step2連接權(quán)重計(jì)算及其gwplot函數(shù)可視化

Step3 重要變量的ROC曲線和AUC值計(jì)算

下面是代碼中附帶數(shù)據(jù)逐步分析結(jié)果

神奇吧，就是如此簡(jiǎn)單，我們用的都是入門級(jí)函數(shù)，稍微懂點(diǎn)R語言就能實(shí)現(xiàn)。

如需代碼及示例數(shù)據(jù)等文件，請(qǐng)掃碼聊天框回復(fù) “B15”領(lǐng)??！?