Neuronske mreže i klasifikacija proteina

diplomski rad

• Naslov (engleski): Neural networks and protein classification
• Autor: Borna Runac
• Mentor: Pavle Goldstein (mentor)
• Član povjerenstva: Pavle Goldstein (predsjednik povjerenstva)
• Član povjerenstva: Sonja Štimac (član povjerenstva)
• Član povjerenstva: Igor Ciganović (član povjerenstva)
• Član povjerenstva: Juraj Šiftar (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Prirodoslovno-matematički fakultet; (Matematički odsjek); Zagreb
• Datum i država obrane: 2020-09-30, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: PRIRODNE ZNANOSTI; Matematika

Sažetak

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.

Sažetak (engleski)

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.

• Ključne riječi: linearna algebra; strojno učenje; metoda potpornih vektora; umjetna neuronska mreža; klasifikacija proteinskih familija
• Ključne riječi (engleski): linear algebra; machine learning concepts; support vector machine; artificial neural network; protein classification
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:217:105787
• Studijski program: Naziv: Matematička statistika; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2021-03-05 12:55:31