Globoko učenje na genomskih in filogenetskih podatkihMrzelj, Nina (Avtor) Zupan, Blaž (Mentor) globoko učenjeklasifikacijanevronske mrežeMetode globokega učenja v praksi dosegajo izjemne rezultate pri reševanju problemov na različnih področjih, med drugim tudi v genomiki. V diplomski nalogi smo se ukvarjali z razvrščanjem genskih zaporedij bakterij v taksonomske razrede. Cilj je bil zgraditi model, ki bo znal bakterijo na podlagi zaporedja njenega gena 16S rRNA razvrstiti v pravo deblo, razred, red, družino in rod. Z uporabo metod globokega učenja smo zgradili več klasifikacijskih modelov in vrednotili njihovo uspešnost na podlagi klasifikacijske točnosti in mere F1. Med seboj smo primerjali konvolucijske nevronske mreže, preproste rekurenčne nevronske mreže, dvosmerne rekurenčne nevronske mreže, kombinirane modele z rekurenčnimi in konvolucijskimi nevronskimi mrežami ter metodo naključnih gozdov. Eksperimente smo izvedli na dveh različno velikih množicah podatkov, preverili pa smo tudi, kako se modeli obnesejo pri klasifikaciji, če imajo na voljo le krajši del genskega zaporedja. Rezultati kažejo, da so za reševanje tovrstnih problemov najbolj primerne konvolucijske nevronske mreže.20162016-09-15 17:35:04Diplomsko delo/naloga85515sl