Klasifikacija DNA sljedova korištenjem modela dubokog učenja

diplomski rad

• Naslov (engleski): Deep-learning based DNA sequence classification
• Autor: Jelena Matečić
• Mentor: Mirjana Domazet-Lošo (mentor)
• Član povjerenstva: Mirjana Domazet-Lošo (predsjednik povjerenstva)
• Član povjerenstva: Boris Milašinović (član povjerenstva)
• Član povjerenstva: Danijel Mlinarić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-04, Hrvatska

Sažetak

U radu se objašnjava arhitektura transformera i motivacija za njezino korištenje u rješavanju problema klasifikacije DNA sljedova. Opisana je ostvarena arhitektura korištenjem programskog jezika Python. Opisane su dvije metode pripreme skupa podataka za treniranje modela: k-mer i label encoding. Uspoređeni su rezultati varijacija hiperparametara modela i korištenja različitih tehnika ugrađivanja ulaza. Rezultati najboljeg modela uspoređeni su s rezultatima iz referentnog rada. Arhitektura transformera u kombinaciji s podacima nad kojima se koristila k-mer tehnika ugrađivanja ulaza pokazala se jako uspješnom.

Sažetak (engleski)

This master thesis focuses on the transformer architecture and the motivation for its use in solving the problem of DNA sequence classification. The architecture was implemented using the Python programming language. The two methods used for the data set preparation are described: the k-mer and the label encoding. The results of variations of model hyperparameters and the use of different input embedding techniques were compared. The best model's results were compared with those from the reference work. When combined with data embedded using the k-mer embedding technique, the transformer architecture has proven to be highly effective.

• Ključne riječi: Klasifikacija; Bioinformatika; Duboko učenje; Transformer; Ugrađivanje ulaza
• Ključne riječi (engleski): Classification; Bioinformatics; Deep learning; Transformer; Embedding
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:061841
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 21:30:34