.png){kind=icon}
返回
Implications From the Analogous Relationship Between Evolutionary and Learning Processes
.png){kind=icon}
OA
AI
DOI：10.1002/bies.70027.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
有机体进化是通过代际间的试错来发现更优适配表型的过程。这一迭代过程类似于学习过程，这种类比自20世纪50年代以来已被认知。认识到这种平行关系表明，进化生物学和机器学习可以相互受益；然而，对其对应概念的研究仍存在大量机会。在本综述中，我们旨在通过探索源自近期进展的具体实例来揭示其概念上的平行关系，从而增强两个领域的预测能力和理论发展。我们关注超越机器学习方法对特定案例预测的重要性，但转而倡导可解释的机器学习方法，以发现预测进化结果的普遍规律。这种方法旨在建立一个理论框架，能够将进化科学转变为一个富含预测理论的领域，同时也在机器学习中激发新的建模和算法策略。
期刊
IF:
2.7
论文数:
4.7K
被引数:
1.0W
机构
引用论文
分享收藏A Review on Generative Adversarial Networks: Algorithms, Theory, and Applications生成对抗网络研究综述: 算法、理论与应用OAAI
OAAI分享收藏Bacterial predator-prey coevolution accelerates genome evolution and selects on virulence-associated prey defences.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏分享收藏
查看更多内容