ش | ی | د | س | چ | پ | ج |
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 |
انگیزه: مدلسازی توزیع توالی خانواده پروتئین از دادههای توالی همولوگ موردتوجه قرارگرفته است بهویژه برای ساختار و عملکرد پیشبینی و همچنین برای طراحی پروتئین. ادامه مطلب ...
سیستمهای دستهبندی پیشبینی برای رسیدگی به مشکلها تصمیمگیری تک و چندمرحلهای طراحیشدهاند. هدف به حداکثر رساندن کل جوایز تخفیف یافته بود که معمولاً بر اساس الگوریتمهای یادگیری تقویتی انجام میشد. مطالعات در مورد سایر سیستمهای دستهبندی یادگیری بسیاری از مشکلها تصمیمگیری متوالی در دنیای واقعی را نشان داد که در آن هدف ترجیحی حداکثر رساندن میانگین پاداشهای متوالی است. ادامه مطلب ...
سیستمهای دستهبندی یادگیری و بهویژه XCS بهعنوان روشهای امیدوارکننده برای دستهبندی وظایف و دادهکاوی به وجود آمده است. این مقاله دو مدل از سیستمهای دستهبندی یادگیری مبتنی بر دقت را در مورد انواع مختلف مشکلات دستهبندی بررسی میکند. با عزیمت از XCS تحول یک نقشه عمل کامل را بهعنوان نمایندگی دانش تجزیهوتحلیل میشود. ادامه مطلب ...
پیشبینیهای ساختار ثانویه پروتئینها با استفاده از خط گسترده H NMR با نتایج تجربی مقایسه شدند. از IUPred2A برای تولید پیشبینی پروتئین بینظم یا مناطق اتصال استفاده شد. تیموزین-β4 و دامنه سیتوپلاسمی استابلین -2 بهطور عمده بینظم مطابقت با نتایج تجربی پیدا شد. ادامه مطلب ...
ماسایا ناکاتا دانشیار دانشکده فنی دانشگاه ملی یوکوهاما ژاپن است. وی دکترای خود را دریافت کرد. مدرک انفورماتیک از دانشگاه ارتباطات الکترونیک ژاپن در 2016 گرفت. ادامه مطلب ...
آنتونی آستین استاد پیگیری در دانشگاه هوفنهایم است، جایی که وی ریاست آزمایشگاه هوش مصنوعی در مهندسی کشاورزی را بر عهده دارد. وی در سال 2012 لیسانس خود را در رشته سیستمهای اطلاعات تجاری از دانشگاه علوم کاربردی آگسبورگ دریافت کرد. ادامه مطلب ...