لینک دانلود و خرید پایین توضیحات
دسته بندی : وورد
نوع فایل : .doc ( قابل ویرایش و آماده پرینت )
تعداد صفحه : 18 صفحه
قسمتی از متن .doc :
دانشگاه تهران
دانشکدة فنی
دانشکدة مهندسی برق و کامپیوتر
عنوان:
استفاده از روشهای شبکه عصبی درطبقهبندی پروتئینها
نگارش: هما برادران هاشمی
استاد راهنما: دکتر مسعود رهگذر
پروژه درس
مباحث ویژه پایگاه دادهها
تابستان 1388
چکیده
تشخیص فولد پروتئینها از جمله مسائل چالش برانگیزی است که در طی 35 سال گذشته محققان بسیاری در سراسر دنیا در این زمینه تحقیق کردهاند. امروزه به کارگیری علوم مهندسی برای حل مسائل حوزه علوم زیستی و پزشکی به سرعت و با موفقیت رو به افزایش است، بنابراین بسیاری از دانشمندان کامپیوتر به این سمت گرایش پیدا کردهاند تا بتوانند از روشهای مختلف یادگیری ماشین در پیاده سازی سیستمهای خودکار و هوشمند به منظور طبقهبندی پروتئینها کمک بگیرند. هدف نهایی در پیاده سازی این سیستمها نزدیک بودن هرچه بیشتر تصمیم اتخاذ شده توسط ماشین به تصمیم فرد خبره بیولوژیست میباشد.
با این وجود به خاطر پیچیدگی بسیار این مساله که ناشی از تعداد کلاسهای نسبتا زیاد پروتئینها و بزرگ بودن ابعاد ویژگی آنهاست، بدست آوردن جواب قابل قبول در طبقهبندی پروتئینها با استفاده از روشهای معمول یادگیری ماشین تقریبا امکان پذیر نمیباشد. در این پژوهش ما از یک مدل ترکیبی طبقهبندی با استفاده از شبکه های عصبی MLP، RBF و روش ترکیب طبقه بندی کنندههای بیزی برای تعیین فولد پروتئین ها استفاده کردهایم. نتایج بدست آمده نشان میدهد که شبکههای عصبی RBF دارای نرخ طبقه بندی صحیح بهتری نسبت به سایر روشها مانند MLP و ماشینهای بردار پشتیبان داشته است. این امر میتواند به علت فضای جستجوی بسیار بالا برای یافتن پارامترهای بهینه ماشینهای بردار پشتیبان و زمان نسبی زیاد یادگیری در این نوع طبقه بندی کنندهها باشد. همچنین نتایج بدست آمده نشان میدهد که نرخ طبقه بندی صحیح پروتئینها با استفاده از روش ترکیب بیزی به ٪59 افزایش یافته است. که البته در مقاله دیگری توانستهاند با استفاده از کلاسیفایر svm به 62.5٪ برسند. که نشان میدهد هنوز این پژوهش نیاز به بررسی بیشتر دارد.
کلمات کلیدی: MLP، RBF، Bayesian Classifier Fusion، Protein Folding.
عنوان شمارة صفحه
1 .مقدمه 5
.2شبکههای عصبی 6
3. طبقهبندی ترکیبی 9
1.3رأیگیری اکثریت 9
2.3ترکیب طبقه بندی کنندهها به روش بیزی 9
4 .نتایج آزمایشات 12
1.4آماده سازی دادهها 12
2.4 نتایج آزمایشات 13
3.4مقایسه با کارهای پیشین 14
5 .نتیجه گیری و کارهای آینده 17
منابع 18
فهرست شکلها شمارة صفحه
شکل 1: یک شبکه پرسپترونی سه لایه 8
شکل 2: تاثیر ورودی از نرون i با وزن بر نرون j 8
شکل 3: نرخ طبقهبندی صحیح برای طبقه بندی کنندههای MLP 14
شکل 4: نرخ طبقهبندی صحیح برای طبقه بندی کنندههای RBF 14