مدل-زنجیره-تصمیم گیری مارکوف

مدل پنهان مارکوف

یک مدل مارکوف آماری است که در آن سیستم مدل شده به‌صورت یک فرایند مارکوف باحالت‌های مشاهده نشده (پنهان) فرض می‌شود. یک مدل پنهان مارکوف می‌تواند به‌عنوان ساده‌ترین شبکه بیزی پویا در نظر گرفته شود. 

یادگیری تقویتی

یادگیری تقویتی  گونه‌ای از روش‌های یادگیری ماشین است که یک عامل یا  چندعامل را قادر به یادگیری در محیطی تعاملی با استفاده از آزمون‌وخطاها و بازخوردهای اعمال و تجربیات خود را می‌سازند. 

الگوریتم ممتیک

یا  الگوریتم بهینه‌سازی حافظه

الگوریتم ممتیک که نام اصلی آن بهینه‌سازی حافظه می باشد از رفتار الگوریتم ژنتیک الهام گرفته‌شده است. این الگوریتم از الگوریتم‌های بسیار کارآمد در حل مسائل بهینه‌سازی ترکیبی است. الگوریتم ممتیک در حوزه‌های مختلف مسائل بهینه‌سازی کاربرد دارد.  مفهوم ((مم)) به‌عنوان واحد انتقال فرهنگ یا تقلید در ابتدا توسط Richard dawkins در سال 1976 مطرح گردید. و سپس Moscato الگوریتم ممتیک را برای اولین بار در سال 1989 ارائه کرد.  

پیش بینی ساختار پروتئین

آمینواسیدهای تشکیل‌دهنده پروتئین می‌توانند در تعیین ساختار دوم و سوم و چهارم پروتئین استفاده شوند. پیش‌بینی ساختار پروتئین به معنای استنتاج ساختار سه‌بعدی پروتئین از روی دنباله آمینواسیدهای آن یا به بیان دیگر تعیین ساختار دوم و سوم از روی ساختار اولیه پروتئین است. تعیین ساختار پروتئین از مبنا با مسأله طراحی یک پروتئین متفاوت است. تعیین ساختار پروتئین یکی از مسائل مهم در حوزه بیوانفورماتیک و شیمی تئوری است و اهمیت زیادی در پزشکی و زیست‌فناوری دارد. 

ساختار پروتئین

پروتئین‌ها درشت مولکول‌هایی هستند با وزن مولکولی 5000 دالتون که از پیوند کووالانسی یک سری واحدهای ساختاری به نام اسیدهای آمینه ساخته شده‌اند. تعداد،‌ ماهیت و طرز قرار گرفتن این واحدها در زنجیره پروتئینی ساختار خاص و رفتار ویژه آن­ها را تعیین می‌کند. در ساختار این مولکول‌ها، هم عامل آمین و هم عامل کربوکسیل وجود دارد که هر دو به کربن مرکزی به نام کربن آلفا متصل‌اند. همچنین به کربن آلفا ترکیبی به نام زنجیره کناری که با حرف R نشان داده می‌شود و یک مولکول هیدروژن متصل شده است. 

مدل مارکوف

مدل پنهان مارکوف[1] یک مدل مارکوف آماری است که در آن سیستم مدل شده به صورت یک فرایند مارکوف با حالت‌های مشاهده نشده (پنهان) فرض می‌شود. یک مدل پنهان مارکوف می‌تواند به عنوان ساده‌ترین شبکه بیزی پویا در نظر گرفته شود. در مدل عادی مارکوف، حالت به‌طور مستقیم توسط ناظر قابل مشاهده است و بنابراین احتمال‌های انتقال بین حالت‌ها تنها پارامترهای موجود است. در یک مدل پنهان مارکوف، حالت به‌طور مستقیم قابل مشاهده نیست، اما خروجی بسته به حالت قابل مشاهده است.