Neuronske mreže i klasifikacija proteina

master's thesis

• Title (english): Neural networks and protein classification
• Author: Borna Runac
• Mentor: Pavle Goldstein (mentor)
• Committee member: Pavle Goldstein (predsjednik povjerenstva)
• Committee member: Sonja Štimac (član povjerenstva)
• Committee member: Igor Ciganović (član povjerenstva)
• Committee member: Juraj Šiftar (član povjerenstva)
• Granter: University of Zagreb; Faculty of Science; (Department of Mathematics); Zagreb
• Defense date and country: 2020-09-30, Croatia
• Scientific / art field, discipline and subdiscipline: NATURAL SCIENCES; Mathematics

Abstract

Cilj ovog rada je ispitati mogućnosti modela umjetne neuronske mreže na problemu klasifikacije proteinskih familija. U prvom poglavlju su predstavljeni osnovni matematički pojmovi iz linearne algebre i optimizacije potrebni za razumijevanje korištenih metoda strojnog učenja. U drugom poglavlju su uvedeni osnovni pojmovi strojnog učenja te je objašnjena matematička pozadina korištenih metoda. Metode koje su korištene u istraživanju su metoda potpornih vektora te umjetna neuronska mreža. U trećem poglavlju su predstavljena provedena istraživanja. Izvršena je binarna i višestruka klasifikacija na sekvencama proteina tako da proteinske familije predstavljaju različite klase. U četvrtom poglavlju su predstavljeni rezultati istraživanja te je napravljena usporedba mogućnosti umjetne neuronske mreže i metode potpornih vektora. U posljednjem poglavlju je ponuđen zaključak.

Abstract (english)

The goal of this paper is to examine the applicability of an artificial neural network model to the problem of protein classification. The first chapter provides a brief introduction to basic concepts of linear algebra and optimization. The second chapter introduces basic machine learning concepts and explains the mathematical background. Models used in research are support vector machine and artificial neural network. The third chapter presents the workflow of the conducted research. Research consists of binary and multiclass classification of protein sequences, with protein families representing different classes. The fourth chapter presents the main results of the thesis and compares the results of the two models. The last chapter presents the conclusions.

• Keywords: linearna algebra; strojno učenje; metoda potpornih vektora; umjetna neuronska mreža; klasifikacija proteinskih familija
• Keywords (english): linear algebra; machine learning concepts; support vector machine; artificial neural network; protein classification
• Language: croatian
• URN:NBN: urn:nbn:hr:217:105787
• Study programme: Title: Mathematical Statistics; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra matematike (magistar/magistra matematike)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Open access
• Created on: 2021-03-05 12:55:31