Szabálytanulási algoritmusok biomarker azonosításhoz

OData támogatás
Konzulens:
Dr. Szűcs Gábor
Távközlési és Médiainformatikai Tanszék

A biológiában a tudósok célja, hogy képesek legyenek figyelemmel kísérni a sejtek működését és megérteni a belső folyamataikat. Ezzel jelentős felfedezésekre tehetnek szert, eddig nem ismert összefüggéseket észlelhetnek.

Napjainkban számos olyan technika létezik, amely lehetővé teszi a szakértők számára, hogy közelebb kerüljenek a belső működés megfigyeléséhez, pl. az élő sejtek belsejének képét vagy a sejteket hálózati rendszerként ábrázolva. Ezek a modellek azonban számos adatpontból állnak, amelyek időigényes szimulációkat és nehezebb kísérleteket eredményeznek. A cél, hogy kiszűrjék a hasznos részét az adatpontoknak és eltávolítsák azokat, melyek nem játszanak szerepet a figyelt folyamatban.

Dolgozatomban először megismertetem az olvasót a Turbine által végzett szimulációkkal, melyek különböző biológiai problémákra keresnek megoldásokat. Ezekután irodalomkutatásom eredményét mutatom be különböző szabálytanítási algoritmusokról és a biomarkerek kereséséről. Ismertetek általánosabb, a hétköznapokban elterjedt gépi tanulási módszereket és bonyolultabb technikákat a szabálytanulás alkalmazására. A kiválasztott algoritmusaim implementációinak részletei és eredményeim értékelése teszi ki dolgozatom legnagyobb részét. A megvalósítás során kiemelem a felmerülő problémákat és ezek megoldásának menetét. Végül az eredményeken keresztül bemutatom az általam készített változat hatékonyságát a jelenlegi rendszerrel összevetve.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.