dna2vec: vektorska reprezentacija k-torki različite duljine

završni rad

• Naslov (engleski): dna2vec: vector representations of variable-length k-mers
• Autor: Mateo Kutnjak
• Mentor: Mile Šikić (mentor)
• Član povjerenstva: Mile Šikić (predsjednik povjerenstva)
• Član povjerenstva: Krešimir Križanović (član povjerenstva)
• Član povjerenstva: Robert Vaser (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2017-07-10, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

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.

Sažetak (engleski)

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.

• Ključne riječi: dna2vec; k-torke; sličnost; strojno učenje; nouronska mreža
• Ključne riječi (engleski): dna2vec; k-mers; similarity; neural network; machine learning
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:814254
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2019-03-13 22:11:10