IWHKJ 大学本科毕业设计摘 要植物表型预测的准确性直接影响作物育种的效率和成败。随着高通量测序技术的普及，全基因组 SNP 标记的维度急剧增长，但海量位点中存在大量冗余与噪声，且基因型与表型之间普遍呈现非线性关系，传统线性模型难以充分挖掘其中的复杂遗传信号。如何在超高维基因组数据中有效提取关键位点并建模非线性交互，是当前植物分子育种研究面临的核心难题。本文研究了一种基于并行卷积神经网络的表型预测方法 PNNGS，在同一网络层内并行部署 1、3、5、7 四种尺寸的一维卷积核，同步提取不同距离 SNP 位点的局部和长程关联特征，并引入残差连接与...
发表评论取消回复