مقایسه روشهای استفاده از یادگیری عمیق در زیست شناسی محاسباتی برای تجزیه وتحلیل و بهبود دادههای ژنتیک
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 628
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTI01_056
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
یادگیری عمیق، یکزیرشاخه از یادگیری ماشین و برمبنای مجموعهای از الگوریتمها است که در تلاشهستند مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یکگراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیرخطی هستند، مدل میکنند. شیوههای یادگیری ماشین رویکردهای همهمنظورهای برای فراگیری روابط کاربردی از داده بدون تعریف آنها بهصورت استقرایی هستند. در زیست محاسباتی، درخواست آنها قابلیتی است برای رسیدن به مدلهای پیشگو بدون نیاز بهفرضیات قوی درباره مکانیزمهای زیرساخت که اغلب ناشناخته بوده یا به حد کافی تعریف نشدهاند. بهعنوان نمونه دقیقترین پیشگویی سطوح بیان ژن هم اکنون از مجموعه گستردهای از ویژگیهای اپیژنتیکساخته شده است. پیشبینیها در ژنومیک، پروتیومیکس، متابولومیکسیا حساسیت به ترکیبات،همه بهرویکردهای یادگیری ماشین بهعنوان یکماده اولیه کلیدی بستگی دارد. در این تحقیق به بررسی و مقایسه دو پژوهشدر زمینه یادگیری عمیق پرداخته میشود.
Keywords:
Authors
گلایل قرایتی
دانشجوی کارشناسیارشد هوش مصنوعی و رباتیکز، موسسه آموزش عالی پویش
رضا احسن
عضو هیات علمی، واحد قم، دانشگاه آزاد اسلامی
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 :