هانا ضیایی کردی - فارق التحصیل پایه دوازدهم علوم تجربی ، دبیرستان بهار علم، سیستان و بلوچستان ، زاهدان

یادگیری ماشین در هوش مصنوعی فرآیند انطباقی است که باعث میشود از تجربه رایانه ها ، با مثال و بر اساس قیاس، پیشرفت کنند. بنابراین این رشته ای از روش شناسی است که به یک شکل یا آن شکل، قابلیت های هوشمند پردازش اطلاعات را برای مدیریت زندگی واقعی فراهم می کند. بیوانفورماتیک یکی از کاربردهای یادگیری ماشین در هوش مصنوعی است. بیوانفورماتیک علم بین رشته ای تفسیر داده های بیولوژیکی با استفاده از فناوری اطلاعات و علوم کامپیوتر است. یادگیری ماشین در هوش مصنوعی (ML) بر یادگیری خودکار از مجموعه داده ها تمرکز دارد. یادگیری ماشین در هوش مصنوعی شامل سرعت یادگیری، تضمین همگرایی و نحوه یادگیری تدریجی داده ها است. ما معمولا به روشهایی مانند شبکه های عصبی مصنوعی (ANN) ، الگوریتم های ژنتیک (GAs) و سیستمهای فازی به همراه روشهای ترکیبی از جمله ترکیبی از برخی از این روشها اشاره میکنیم. یکی از مشکلات عمده طبقه بندی ژن های طبیعی و ژن های نامعتبر است که به نوعی بیماری آلوده می شوند. در تحقیقات ژنومی، طبقه بندی توالی های DNA به دسته های موجود برای یادگیری عملکرد یک پروتئین جدید استفاده می شود. بنابراین، شناسایی آن ژن ها و طبقه بندی آنها مهم است. برای شناسایی ژنهای آلوده و ژنهای طبیعی با استفاده از روشهای طبقه بندی، در اینجا از تکنیکهای یادگیری ماشین در هوش مصنوعی استفاده میکنیم. این مقاله به بررسی مکانیسم های طبقه بندی توالی ژن با استفاده از تکنیکهای یادگیری ماشین در هوش مصنوعی میپردازد که شامل جزئیات مختصری در مورد بیوانفورماتیک، بررسی ادبیات و مسائل کلیدی در توالی یابی DNA با استفاده از یادگیری ماشین در هوش مصنوعی است.

بیوانفورماتیک; تعیین توالی ;DNA طبقه بندی؛ تکنیک های یادگیری ماشین