به کارگیری یادگیری تقویتی در کنترل شبکه های تنظیم ژنی
Publish place: 22nd Annual Conference of Computer Society of Iran
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 628
This Paper With 8 Page And PDF and WORD Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI22_030
تاریخ نمایه سازی: 13 شهریور 1396
Abstract:
هدف از کنترل GRN (شبکه های تنظیم ژن)، یافتن استراتژی برای کنترل حالت سیستم با مداخله تعدادی ژن ورودی به نام ژن کنترلی است، به نحوی که بتواند سیستم را از حالت نامطلوب (بیماری زا) به حالت مطلوب منتقل نماید. در عمده روش های کنترلی انجام شده ابتدا GRN ، مدل سازی شده و سپس سیاست تخمینی مورد نظر از شبکه مدل شده، یافت می شود تا سیستم را به حالت مطلوب منتقل نماید. در روش های کنترل خارجی مبتنی بر شبکه های بولی احتمالی، به عنوان یکی از محبوب ترین مدل سازی انجام شده این شبکه ها، پیچیدگی زمانی و حافظه برای یافتن استراتژی کنترلی، بالا می باشد. یک ایده برای غلبه بر این مشکل مدل سازی براساس نمونه های جمع آوری شده از محیط، و سپس یافتن سیاست تخمینی است. در این مقاله به ارایه یک سیستم یادگیر کنترل محور بر مبنای الگوریتم یادگیری تقویتی دسته ای پرداختیم، به طوری که با تعریف پارامترهای سیستم و تطبیق بر مدل شبکه استنتاج شده در روش های پیشین، با استفاده از نمونه های جمع آوری شده از محیط، بتوانیم سیاست تخمینی را از داده ها استنتاج نماییم. پس از بدست آوردن سیاست تخمینی و اعمال آن به شبکه بولی احتمالی ساخته شده، نتایج نشان داد که این روش توانست احتمال حالت نامطلوب در شبکه را نسبت به روش پیشین مشابه آن، بهبود بخشد.
Keywords:
Authors
ریحانه نادری
کارشناس ارشد، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران ، تهران
ناصر مزینی
دانشیار، دانشکده مهندسی کامپیوتر، دانشگاه علم و صنعت ایران ، تهران