Mostrar el registro sencillo del ítem

dc.creatorKim, Hyobin
dc.creatorMuñoz, Stalin
dc.creatorOsuna, Pamela
dc.creatorGershenson, Carlos
dc.date.accessioned2025-10-25T01:16:28Z
dc.date.available2025-10-25T01:16:28Z
dc.date.issued2020-09-04
dc.identifier.urihttps://repositorio.tic.unam.mx/handle/123456789/4020
dc.descriptionArtículo académico que desarrolla un método predictivo para estimar la robustez y la evolutividad de redes biológicas sin requerir una comparación explícita de funciones. Para ello, se mide la antifragilidad en modelos de redes booleanas de sistemas biológicos y se utiliza como variable predictora. La antifragilidad se manifiesta cuando un sistema obtiene beneficios de las perturbaciones externas. A partir de las diferencias en los valores de antifragilidad entre las redes biológicas originales y las mutadas, se entrena una red neuronal convolucional (CNN) y se la pone a prueba para clasificar las propiedades de robustez y evolutividad.
dc.publisherEntropy
dc.subjectRedes neuronales
dc.subject.classificationCiencias Físico Matemáticas y de la Ingenierías
dc.titleAntifragility predicts the robustness and evolvability of biological networks through multi-class classification with a convolutional neural network
dc.typeArtículo académico
dcterms.provenanceUniversidad Nacional Autónoma de México. Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas
dc.subject.keywordsRobustness
dc.subject.keywordsEvolvability
dc.subject.keywordsAntifragility
dc.subject.keywordsComplexity
dc.subject.keywordsPrediction
dc.subject.keywordsBoolean networks
dc.subject.keywordsGene regulatory networks
dc.subject.keywordsConvolutional neural networks
dc.subject.keywordsRobustez
dc.subject.keywordsEvolutividad
dc.subject.keywordsAntifragilidad
dc.subject.keywordsComplejidad
dc.subject.keywordsPredicción
dc.subject.keywordsRedes booleanas
dc.subject.keywordsRedes de regulación genética
dc.subject.keywordsRedes neuronales convolucionales
dc.identifier.urlhttps://doi.org/10.3390/e22090986
dc.identifier.bibliographiccitationKim, H., Muñoz, S., Osuna, P., & Gershenson, C. (2020). Antifragility predicts the robustness and evolvability of biological networks through multi-class classification with a convolutional neural network. Entropy, 22(9), 986. https://doi.org/10.3390/e22090986
dcterms.memberofAnálisis y automatización


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

COMPARTE



BÚSQUEDA

Escriba el texto a buscar en DSpace

COLABORA

CONTACTO

El Repositorio Universitario de la DGTIC se edita en la Dirección General de Cómputo y
de Tecnologías de Información y Comunicación (DGTIC), de la Universidad Nacional Autónoma de México (UNAM)
Circuito Exterior s/n, Ciudad Universitaria, Coyoacán, C.P. 04510, México, D.F
Tel: +(52) (55) 56228166 Email: rutic@unam.mx