|
|
|
|
| LEADER |
02327na a2200229 4500 |
| 003 |
HR-ZaFER |
| 008 |
160221s2017 ci ||||| m||| 00| 0 hr d |
| 035 |
|
|
|a (HR-ZaFER)ferid5327
|
| 040 |
|
|
|a HR-ZaFER
|b hrv
|c HR-ZaFER
|e ppiak
|
| 100 |
1 |
|
|a Kutnjak, Mateo
|
| 245 |
1 |
0 |
|a dna2vec: vektorska reprezentacija k-torki različite duljine :
|b završni rad /
|c Mateo Kutnjak ; [mentor Mile Šikić].
|
| 246 |
1 |
|
|a dna2vec: vector representations of variable-length k-mers
|i Naslov na engleskom:
|
| 260 |
|
|
|a Zagreb,
|b M. Kutnjak,
|c 2017.
|
| 300 |
|
|
|a 26 str. ;
|c 30 cm +
|e CD-ROM
|
| 502 |
|
|
|b preddiplomski studij
|c Fakultet elektrotehnike i računarstva u Zagrebu
|g smjer: Računarska znanost, šifra smjera: 41, datum predaje: 2017-06-09, datum završetka: 2017-07-10
|
| 520 |
3 |
|
|a Sažetak na hrvatskom: Usporedba dijelova genoma obavlja se prilagođavanjem
metode word2vec radu s k-torkama. Ispitivana metoda dna2vec omogućuje rad s varijabilnom duljinom k-torki u itervalu [3, 8]. Treniranje izvedbe Skip-Gram koja u obzir uzima kontekst genoma oko k-torke, dobija se pozicija k-torke u višedimenzionalnom vektorskom prostoru. Kosinusna udaljenost dvije vektorske reprezentacije k-torki daje mjeru njihove sličnosti. Ispitana je i dokazana korelacija kosinusne udaljenosti metodom dna2vec i rezultata algoritma Needleman-Wunsch za par k-torki. Dodatno su prodiskutirani razlozi dugotrajnog učenja te su predložena ubrzanja učenja te poboljšanje efikasnosti ispitanog modela.
|
| 520 |
3 |
|
|a Sažetak na engleskom: Adjustment of known method word2vec is used for comparing parts of genome. Innovation of method dna2vec is possibility to work with variable length k-mers. Training of Skip-Gram, the word2vec derivation, which takes context of k-mers, results with multidimensional representation of k-mers. Cosine distance of two k-mer vector representations gives similarity measure. In this paper correlation between dna2vec cosine distance and Needleman-Wunsch score was tested and proven. Reasons behind
prolonged training were discussed and possible solutions for faster learning and better efficiency were submitted.
|
| 653 |
|
1 |
|a dna2vec, k-torke, sličnost, strojno učenje, nouronska mreža
|
| 653 |
|
1 |
|a dna2vec, k-mers, similarity, neural network, machine learning
|
| 700 |
1 |
|
|a Šikić, Mile
|4 ths
|
| 942 |
|
|
|c Z
|
| 999 |
|
|
|c 49129
|d 49129
|