Redes neuronales auto-organizativas basadas en optimización funcional. Aplicación en bioinformática y biología computacional

Resumen

Se presenta un sistema para la organización de datos n-dimensionales en una representación de menro dimensión, de manera no lineal y no supervisada. Los tipos de métodos presentados aquí son usualmente conocidos como mapas auto-organizativos y son parecidos, aunque no idénticos, a los bien conocidos mapas auto-organizativos de Kohonen. La idea básica es una combinación de agrupamiento de datos (clustering) y proyección suave de estos en un espacio de dimensión menor (usualmente una malla bi-dimensional). El sistema propuesto consiste en versiones modificadas del funcional del bien conocido algoritmo de agrupamiento c-medias difuso, donde los centros de grupos o vectores diccionarios se encuentran distribuidos en una malla regular de baja dimensionalidad, para lo cual se adicciona a los funcionales un término de penalización con el objetivo de garantizar una distribución suave de los valores de los vectores diccionarios en dicha malla. En uno de los casos la fidelidad a los datos y los vectores diccionarios, y en el otro caso el nuevo funcional está basado en la estimación de la densidad de probabilidad de los datos de entrada. Se presentan además cuatro aplicaciones prácticas de los métodos propuestos en el campo de la bioinformática y la biología computacional: clasificación de imágenes de microscopía electrónica, clasificación de volúmenes tomográficos, modelado de forma y topología en imágenes tridimensionales y exploración de datos de expresión génica.