Napovedovanje bakterijskih gostiteljev virusov z zlivanjem napovednih modelovBajc, Uroš (Avtor) Curk, Tomaž (Mentor) napovedni modelizlivanje modelovmatrična tri-faktorizacijapreneseno učenjenevronske mrežebioinformatikabakteriofagibakterijeMetodam za zlivanje podatkov z uporabo matričnega razcepa je skupen problem hladnega zagona, ko na začetku njihovega izvajanja primanjkuje podatkov, na katerih bi se algoritmi lahko začeli učiti. V magistrskem delu se osredotočimo na metodo DFMF in jo prilagodimo tako, da problem hladnega zagona naslovimo s prenosom znanja od drugod. Implementiramo več prilagoditev metode in njihovo delovanje najprej preizkusimo na umetno ustvarjenih podatkih, kjer pri testiranju s prečnim preverjanjem večina prilagoditev dosega višje vrednosti AUC kot osnovna različica. Prilagojene metode apliciramo še na realnem problemu določanja bakterijskih gostiteljev virusov, kjer imamo na voljo množico laboratorijsko že potrjenih interakcij, na podlagi katerih želimo predlagati potencialne nove. Prenos znanja opravimo z uporabo konvolucijske nevronske mreže za napovedovanje taksonomske razvrstitve organizmov, ki jo prilagodimo tako, da lahko vektorje iz zadnjega nivoja uporabimo za inicializacijo faktorskih matrik v metodi DFMF. Pri testiranju s prečnim preverjanjem se izkaže, da dve prilagojeni različici dosegata približno enake natančnosti kot osnovna metoda DFMF, medtem ko so ostale slabše. Na koncu predstavimo še nekaj potencialnih novih interakcij med bakteriofagi in bakterijami, ki jih napovemo z osnovno metodo in eno izmed prilagojenih različic, ki daje najboljše rezultate.20202020-11-18 10:16:31Magistrsko delo/naloga122046VisID: 24701COBISS_ID: 39995651sl