FuzzyGeneConfig {SMRUCC.genomics.Analysis.FuzzyGene.Config} .NET clr documentation

FuzzyGeneConfig

Description

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。

Declare

            
# 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;
}

        

.NET clr type reference tree

  1. this class extends from AnfisOptions class: AnfisOptions
  2. use by property member LearningMode: AnfisLearningMode
  3. use by property member MfKind: MembershipKind
  4. use by property member Optimizer: AnfisOptimizerKind
  5. use by property member RulePartition: RulePartitionKind
  6. use by property member Selection: RegulatorSelection
  7. use by property member TargetMode: FuzzyTargetMode

[Package {$package} version {$version} Index]