روشی کارامد جهت بهبود عملکرد کشف موتیف شبکه با استفاده از الگوریتم تکاملی
Publish place: The first national electronic conference on technological advances in electrical, electronics and computer engineering
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 640
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TDCONF01_193
تاریخ نمایه سازی: 19 تیر 1394
Abstract:
شبکه های زیست شناسی، عموما شبکه های پیچیده و وسیعی هستند که حاوی اطلاعات مهمی می باشند. تاکنون تلاش های بسیاری به منظور درک ساختار و عملکرد این شبکه ها انجام شده است. دانشمندان بر این باورند که شباهت های ساختاری در این شبکه ها منجر به بروز رفتارهای مشابه سلولی می شود. به همین منظور یکی از ویژگی های ساختاری هر شبکه، موتیف های آن شبکه است که دارای عملکرد خاصی در شبکه می باشد. موتیف ها زیرشبکه های کوچک همبندی هستند که در شبکه مورد بررسی با فراوانی بالاتری نسبت به شبکه های تصادفی مشاهده می شوند، همچنین از موتیف ها، با عنوان اجزای ساده و بنیادی شبکه تعبیر می شود. تا کنون الگوریتم های مختلفی به منظور حل مسئله ی پیدا کردن موتیف ها ارائه شده است که دارای پیچیدگی محاسباتی زیادی هستند و زمان اجرا و حافظه مصرفی بالایی نیاز دارد به همین خاطر در اندازه ی موتیف مورد جستجو در شبکه محدودیت خواهیم داشت. در این مقاله، روش های موجود برای حل مسئله کشف موتیف بررسی شده، سپس رویکرد جدیدی با استفاده از الگورتیم های تکاملی به منظور یافتن موتیف هایی با هر اندازه در شبکه، ارائه شده است. این امر منجر به تشخیص موتیف هایی با تعداد رئوس بیشتر و در شبکه های بزرگتر می شود که پیشرفت قابل توجهی در این زمینه است. الگوریتم پیشنهادی مبتنی بر روش شناخته شده الگوریتم مدا بوده که از جمله روش های موتیف محور میباشد. الگوریتم پیشنهادی را بر روی شبکه های بروزشده ی زیستی و غیر زیستی مورد ارزیابی قرارد داده و با مقایسه نتایج بدست آمده با دیگر الگوریتم های موجود بهینگی آن نشان داده شده است.
Keywords:
Authors
محمد علی سالاری
گروه کامپیوتر - دانشگاه آزاد اسلامی واحد علوم و تحقیقات ساوه
مرتضی سلامه
گروه کامپیوتر - دانشگاه آزاد اسلامی واحد علوم و تحقیقات ساوه
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :