【神经网络干货】贝叶斯神经网络如何从化石中重建长鼻目的兴衰史？

猛犸象、乳齿象、剑齿象以及今天仍然存在的亚洲象和非洲象，都属于长鼻目这一古老的哺乳动物类群。

在数千万年的演化历史中，长鼻目曾经历快速扩张、形态分化和广泛迁徙，也经历了剧烈的多样性衰退。

但一个长期存在的问题是：

究竟是什么决定了一个物种更容易产生新的分支，又是什么推动了它最终走向灭绝？

答案显然不会只有一个。

体型、牙齿结构、食性、地理分布、气候变化、植被演化以及与人类的时空重叠，都可能同时影响物种的形成与消失。传统宏演化模型却往往只能一次分析一个或少数几个变量，并通常假设变量与物种形成率或灭绝率之间是线性、单调和相互独立的。

这正是神经网络开始发挥作用的地方。

一、让神经网络学习“什么决定物种兴衰”

Hauffe等人研究建立了一种新的 Bayesian birth-death neural network，BDNN。

传统生灭模型通常直接描述：

物种形成率 λ 灭绝率 μ

并进一步分析这些速率如何随时间变化。

BDNN则增加了一层神经网络。

模型输入包括：

<