Глубже в биологию.

Глубже в биологию.

 

источник

 

Обучение с помощью  нейросетевых архитектур глубинного обучения, таких как сверточные и долговременные (LSTM) сети, становятся все более популярными решениями для задач машинного обучения. Предпосылками для этих разработок послужило наличие больших вычислительных ресурсов, большие объемы данных, новые алгоритмы обучения  для глубинных моделей и простые в использовании библиотеки для внедрения и обучения нейронных сетей.

Использование глубинного обучения было особенно успешным при распознавании образов, поэтому разработка инструментов, приложений и примеров кода в большинстве случаев сосредоточена в этой области. Аналогичных примеров из области биологии на данный момент не так много.

 

Группа исследователей из отдела биологии и медицинской информатики Технического университета Дании ставит своей целью дальнейшее развитие методов глубинного обучения в биологии путем предоставления примеров и приложений готовых к применению и адаптированых шаблонов кода. Учитывая такие примеры, авторы иллюстрируют архитектуру, состоящую из сверточных и LTSM нейронных сетей, которые можно относительно легко спроектировать и обучить для достижения современной производительности на трех проблемах биологических последовательностей: прогнозирование субклеточной локализации белка, вторичной структуры белка и связывание пептидов с молекулами МНС класса II. Все реализации и наборы данных доступны онлайн.

 

Ссылка на репозиторий

Ссылка на статью

все для dle
0
Добавить комментарий

Оставить комментарий