結合Transformer與Kolmogorov Arnold網絡的分子擴增時序預測研究

摘要： 隨著醫(yī)遼診斷和治療干預技術的不斷進步，醫(yī)學時間序列數據呈現(xiàn)指數級增長。人工智能(AI)，尤其是深度學習在挖掘醫(yī)學時間序列數據潛在信息方面展現(xiàn)出巨大潛力。為此，首次提出將Transformer與Kolmogorov arnold網絡(KAN)相結合的方法，用于核酸擴增實驗數據的預測分析。通過實驗數據分析，證實模型在準確預測擴增趨勢和終點值方面的有效性，終點值誤差僅為1.87,R-... （共10頁）