| FuzzyGeneConfig {SMRUCC.genomics.Analysis.FuzzyGene.Config} | .NET clr documentation |
神经模糊基因调控网络(ANFIS/TSK)的建模配置。
网络的结构参数(隶属函数类型与个数、规则启用掩膜、规模上限、分块行数)与 训练参数(学习率、优化器、早停、岭项……)全部继承自 AnfisOptions, 这里只补充调控网络建模专属的选项:候选调控因子规模、筛选策略、拟合路线、 稳态传播参数与虚拟扰动的默认行为。
构造函数把 TskStructureOptions.MaxRules 与 TskStructureOptions.MaxConsequentParams 从 ANFIS 的通用默认值(1024/4096) 下调到 128/512:GRN 是「逐靶基因一个小网络」的批量场景,512 个结论参数对应的 A'A 约 2 MB,上千个基因并行训练时内存才可控。确实需要更大子网时可显式调高。
VB 不支持协变返回类型,因此链式校验方法命名为 FuzzyGeneConfig.ValidateGene(), 克隆方法用 Shadows 隐藏基类的 AnfisOptions.Clone() 并返回本类型。
# namespace SMRUCC.genomics.Analysis.FuzzyGene.Config
export class FuzzyGeneConfig extends AnfisOptions {
Beta1: double;
Beta2: double;
ChunkRows: integer;
# 是否把传播过程中的取值限制在训练支持域内([min−1, max+1],z 空间)。
ClampToSupport: boolean;
# 稳态判据:单步最大变化量小于该值即认为收敛。
ConvergenceTolerance: double;
# 逐基因训练的并行度;0 表示自动(使用全部逻辑核心),1 表示串行。
DegreeOfParallelism: integer;
Epsilon: double;
FeatureNames: string;
FreezeConsequent: boolean;
FreezePremise: boolean;
GradientClip: double;
# 虚拟敲低的残余比例:敲低后目标基因保留 KnockdownResidual × 基线表达。
KnockdownResidual: double;
LearningMode: AnfisLearningMode;
LearningRate: double;
LearningRateDecay: double;
# 相关性候选池的规模上限;0 表示不限制(对全部基因计算相关性)。
MaxCandidateGenes: integer;
MaxConsequentParams: integer;
MaxEpoch: integer;
# 建模的最大基因数(按方差从高到低保留);0 表示全部基因。
MaxGenes: integer;
# 每个靶基因保留的候选调控因子个数上限(建议 3–6)。
MaxRegulators: integer;
MaxRules: integer;
# 参与训练的最大行数;0 表示使用全部行。
MaxTrainRows: integer;
MfCount: integer;
MfCounts: integer;
MfKind: MembershipKind;
# 靶基因有效性门槛:先验无入边且与全部候选的最大 |Pearson| 低于该值时跳过该靶基因; 0 表示不跳过(默认)。
MinBestCorrelation: double;
# 相关性补齐时采用的最小 |Pearson|;低于该值的基因不会被选为调控因子。
MinCorrelation: double;
# 导出调控边时的最小 |权重|,低于该值的边被视为噪声丢弃。
MinEdgeWeight: double;
MinImprovement: double;
# 训练一个靶基因模型所需的最少样本(状态)行数。
MinSamples: integer;
# 判定为时序数据所需的最少唯一时间点数(滞后模式)。
MinTimePoints: integer;
Momentum: double;
# 为「数据发现」的调控因子保留的槽位比例(0–1);0 表示沿用「先验优先」的旧行为。
NoveltyQuota: double;
Optimizer: AnfisOptimizerKind;
OutputNames: string;
# 虚拟过表达的提升幅度(以训练期标准差为单位):mean + nσ。
OverexpressionSigmas: double;
Patience: integer;
# 稳态求解的最大迭代步数。
PropagationSteps: integer;
# 规则剪枝阈值:训练集上平均归一化触发强度低于该值的规则被移除;0 表示不剪枝。
PruneRuleThreshold: double;
RandomSeed: integer;
# 稳态迭代的阻尼系数(0, 1]:z ← z + ω(F(z) − z)。
Relaxation: double;
Ridge: double;
RlsForgetting: double;
RlsInitialCovariance: double;
RuleEnableMask: boolean;
RulePartition: RulePartitionKind;
ScatterInputs: integer;
ScatterMinInputs: integer;
ScatterRuleCount: integer;
ScatterSeed: integer;
ScatterZThreshold: double;
# 候选调控因子的筛选策略。
Selection: RegulatorSelection;
# 扰动效应的显著性阈值(Z 分数):|Δ / SD| 超过该值的基因标记为显著变化。
SignificanceZScore: double;
# 训练前是否对表达量做逐基因 z-score 标准化。
Standardize: boolean;
# 拟合路线(默认按数据自动判定)。
TargetMode: FuzzyTargetMode;
ValidationRatio: double;
WeightDecay: double;
}
LearningMode: AnfisLearningModeMfKind: MembershipKindOptimizer: AnfisOptimizerKindRulePartition: RulePartitionKindSelection: RegulatorSelectionTargetMode: FuzzyTargetMode