Обучающий алгоритм для пороговых булевых сетей с установленными фиксированными точками

arXiv: 2609.20298v1 Annuales Type: New Habrit: Мы представляем алгоритм обучения для определения пороговых булевых сетей (ТБН) с установленным набором фиксированных точек. В предлагаемом методе используется индивидуальная разная функция потери, которая совместно обеспечивает сохранение фиксированных точек, наказывает фиктивные притягивающие устройства, поощряет двоичный выпуск и стимулирует спаржность через упорядочение L1. Применяя модель FOS-GRN Arafidopsis taliana, этот подход позволил добиться идеальной реконструкции (т.е. В отличие от этого, стандартные методы, такие как " Персептрон энд Логистик регрессион &qt; , восстановили до 10 фиксированных пунктов, но ввели от 8 до 31 фальшивого. Дополнительный анализ, отличающийся от коэффициента спарстичности ($lambda$), подтвердил, что эффективность метода и структурные свойства предполагаемых сетей остаются прочными wi