نقش شبکه های عصبی یادگیری عمیق در مشکلات پیش بینی ساختار پروتئین

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 756

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICSEE02_045

تاریخ نمایه سازی: 8 تیر 1398

چکیده مقاله:

پیش بینی ساختار سوم زنجیره پروتئین از زنجیره اصلی آمینو اسید یکی از مشکلات بسیار چالش برانگیز در بیوانفورماتیک است که تاثیر مهمی را در زمینه علوم پزشکی به وجود می آورد. مشکل اصلی این است که چگونه می توان مفیدترین و مناسب ترین ویژگیها برای بهبود پیشبینی را یاد گرفت.یادگیری عمیق یک زمینه در حال تکامل است که در مشکلاتی که در آن روابط پیچیدهای بین ویژگیهای ورودی و خروجی های مطلوب وجود دارد برتری دارد. شبکه های عصبی عمیق برای حل مشکلات در علوم پروتئین محبوب شده اند.معماری های شبکه عصبی عمیق مختلف از جمله شبکه های عصبی پیشخور، شبکه های عصبی بازگشتی و ماشین های تورینگ عصبی و شبکه های حافظه جدید پیشنهاد شده اند.این مقاله مروری کوتاه از یادگیری عمیق به کار رفته برای مشکلات پیش بینی پروتئین ارایه میدهد.

نویسندگان

محمدعلی بالافر

دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز

بهنازالسادات متولی

دانشجوی کارشناسی ارشد دانشکده مهندسی برق و کامپیوتر دانشگاه تبریز