ارایه روشی جهت پیش بینی کلاسهای ساختاری پروتیینها با استفاده از شبکه عصبی مصنوعی خود سازمانده

thesis
  • وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیر دولتی و غیرانتفاعی طبری - پژوهشکده برق و کامپیوتر
  • author محمدرضا خوشخو
  • adviser حسین نعمت زاده
  • publication year 1394
abstract

بررسی عملکرد توالیهای زیستی در زمره مسائل مورد توجه در حیطه بیو انفورماتیک است. علیرغم مطالعات گسترده در زمینه ی پیشبینی ساختار پروتئینها، تعیین ساختار سه بعدی پروتئین کماکان کار مشکلی است. با توجه به این موضوع که اسیدهای آمینه توسط رشتهای از کاراکترها نشان داده میشوند، لازمه پیشبینی ساختار پروتئینهای جدید، تبدیل اسیدهای آمینه به فرمت عددی است. در این پژوهش، برای توصیف دنبالههای پروتئین، از یک توصیف ریاضی جدید بر مبنای نظریه گراف استفاده شده است. به طور خاص برای هر توالی پروتئین، یک گراف جهتدار وزنی ایجاد میشود. این رویکرد جدید به دلیل در نظر گرفتن همزمان ترتیب و تعداد حضور آمینو اسیدها، اطلاعات بیشتری جهت پیشبینی ساختار پروتئین ها استخراج می نماید و به طراحی مدلی دقیق تر جهت کلاس بندی منجر می گردد. در ادامه از شبکه عصبی مصنوعی xy-fused به عنوان الگوریتم های یادگیری استفاده شده است. این نوع شبکه عصبی مصنوعی بر پایه ی نوعی از نقشه های خودسازمانده بوده که از توانایی بالایی جهت یادگیری نظارتی (طبقه بندی داده ها) برخوردار می باشد. روش پیشنهادی بر روی مجموعه دادهای که توسط ژو گرداوری گردیده و یکی از چالش برانگیزترین مجموعه دادهها است اعمال گردید. صحت طبقه بندی توالی های بیولوژیکی توسط معتبرسازی متقاطع در حدود ?/??? بدست آمد که در مقایسه با سایر روش های پیشنهادی جهت آنالیز این داده ها بهبود قابل توجهی مشاهده گردید.

similar resources

مدل ترکیبی شبکه های عصبی مصنوعی پیش خور و خود سازمانده کوهونن برای پیش بینی قیمت سهام

این مقاله ضمن ارائه مدلی ترکیبی از شبکه های عصبی مصنوعی، به بررسی توان پیش بینی کنندگی آنها در مقایسه با مدل های منفرد می پردازد. در این بررسی، با استفاده از شبکه های عصبی ترکیبی متشکل از شبکه های پیش خور و خود سازمانده کوهونن اقدام به پیش بینی قیمت سهام شده است. نتایج آزمایشات محاسباتی در پیش بینی قیمت سهام شده است. نتایج آزمایشات محاسباتی در پیش بینی قیمت سهام در بازار بورس تهران نشان می دهد ...

full text

پیش بینی مشخصات ساختاری و خواص مغناطیسی پودرهای نانوساختار آهن- نیکل با استفاده از شبکه ی عصبی مصنوعی

Mechanical alloying technique is used for production of nanostructured soft magnetic alloys. In this work the back propagation (BP) artificial neural adopted to model the effect of various mechanical alloying parameters i.e. milling time and chemical composition, on the properties of Fe-Ni powders. Lattice parameter, grain size, lattice strain, coersivity and saturation intrinsic flux den...

full text

پیش بینی درصد متان موجود در گاز مراکز دفن زباله با استفاده از شبکه عصبی مصنوعی

Backgrounds and Objectives:A number of different technologies have recently been studied todetermine the best use of biogas, however, to choose optimize technologies of using biogas for energy recovery it is necessary to monitor and predict the methane percentage of biogas. In this study, a method is proposed for predicting the methane fraction in landfill gas originating from Labscalelandfill ...

full text

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی غیر دولتی و غیرانتفاعی طبری - پژوهشکده برق و کامپیوتر

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023