haku: @keyword stokastiset mallit / yhteensä: 2
hakutulos-lista
viite: 1 / 2
« edellinen | seuraava »
Tekijä:Ripatti, Tommi
Työn nimi:Stochastic Segment Model for Human Promoter Prediction
Stokastinen palamalli ihmisgeenien edistäjien tunnistamiseksi
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2006
Sivut:(13) + 75      Kieli:   eng
Koulu/Laitos/Osasto:Tietotekniikan osasto
Oppiaine:Ohjelmistotekniikka   (T-106)
Valvoja:Tarhio, Jorma
Ohjaaja:Khuri, Sami
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  7142   | Arkisto
Avainsanat:hidden Markov models
machine learning
discrete sequence classification
promoter prediction
gene regulation motifs
piilo Markovin mallit
koneoppiminen
stokastiset mallit
diskreettien sekvenssien luokittelu
edistäjien ennustaminen
geenien sääntely osat
Tiivistelmä (fin): Tämä työ kuuluu bioinformatiikan tutkimusalaan, jossa käytetään laskennallisia menetelmiä molekyylibiologian apuvälineenä.
Geenien säätelyalueiden sijainnin ja rakenteen kartoittamisella on tärkeä rooli geenien toiminnan selvittämisessä.
Tunnistamattomien geeniedistäjien laskennallista ennustamista pidetään haastavana, mutta onnistuessaan sillä olisi selviä etuja molekyylibiologialle.

Puheentunnistustutkimuksen tarpeisiin kehitetyt tilastolliset aikasarja-analyysi- ja luokittelumallit ovat nykyään laajassa käytössä eri bioinformatiikan sovelluksissa.
Tässä työssä tutkitaan stokastista pala mallia.
Tämä malli lisää piilo Markovin malliin vapaasti määriteltävän, tilakohtaisen, pituusjakauman.
Tämä ominaisuus on eduksi suuresti vaihtelevien sekvenssikuvioiden ennustamisessa.

Työn tarkoituksena oli toteuttaa ja arvioida monitasoinen sisältöherkkä luokittelujärjestelmä, jonka avulla olisi mahdollista tunnistaa edistäjiä muiden DNA sekvenssilajien lomasta.
Malli laskee tavanomaisilla Markovin ketjuilla taustasekvenssien todennäköisyyden ja palamallilla edistäjien todennäköisyyden.

Luokittelijan parametrit estimoitiin viisinkertaisella ristiinvalidoinnilla.
Vaikka ristiinvalidointivirhe oli suhteellisen pieni, oli järjestelmän tarkkuus ennustettaessa pitkiä genomisia sekvenssejä huono.
Koska käytetyt tausta- ja alimallit ovat herkkiä ylisovittumiselle, on todennäköisesti mallin parametrit ylisovittuivat mallin opettamiseen käytettyihin sekvensseihin.
ED:2006-07-12
INSSI tietueen numero: 32186
+ lisää koriin
« edellinen | seuraava »
INSSI