LuanVan.vnLuận Văn
Gửi thư

DỰ ĐOÁN CHỨC NĂNG PROTEIN QUA MÔ HÌNH HỌC SÂU

Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo

Loại tài liệuKhoá luận tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảNguyễn Đức Vinh
Người hướng dẫnTrần Công Án
Cơ sở đào tạoTrường Đại học Cần Thơ
Năm2024
NguồnThư viện số Trường Đại học Cần Thơ · trang gốc

Tóm tắt

Phương pháp tiếp cận đề tài kết hợp nghiên cứu các mô hình ngôn ngữ trong lĩnh vực xử lý ngôn ngữ tự nhiên (NLP) như Probert, EMS2 và kết hợp hình mô hình mạng Multilayer Perceptron (Perceptron nhiều lớp), mạng nơ ron tích chập (CNN) là thuật toán máy học có giám sát (ML) thuộc lớp mạng Neuron nhân tạo (ANN). Theo đó, các công nghệ như ProBERT, và EMS2 đem lại sự tiện lợi và hiệu quả đáng kể trong việc tương tác với dữ liệu protein. Bằng cách áp dụng các mô hình này, nghiên cứu về protein và chức năng của chúng có thể được thực hiện một cách toàn diện và hiệu quả hơn trong Multilayer Perceptron (MLP) và CNN, hay ANN, nổi bật với tốc độ xử lý nhanh, khả năng học linh hoạt từ dữ liệu và khả năng xấp xỉ hàm tùy ý. Điều này làm cho nó trở thành công cụ quan trọng trong việc phân tích dữ liệu protein và dự đoán chức năng của chúng. Kết hợp các ưu điểm của ProBERT, EMS2 và mạng nơ ron nhiều lớp (MLP), CNN tạo ra một giải pháp toàn diện và mạnh mẽ để giải quyết các vấn đề phức tạp, đặc biệt là trong việc dự đoán chức năng của protein. Đây không chỉ là việc áp dụng trí tuệ nhân tạo vào nghiên cứu protein mà còn mang lại khả năng xử lý đa dạng cho các vấn đề khác nhau. Sự kết hợp này không chỉ giúp cải thiện hiệu suất và chính xác của dự đoán chức năng protein mà còn mở ra những triển vọng mới trong việc ứng dụng trí tuệ nhân tạo trong nghiên cứu sinh học và y học.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.