• 0سبد خرید فروشگاه
تعلیم
  • صفحه اصلی
  • محصولات
    • همه تعلیم ها
      • اقتصاد-Economy
        • علوم بورس-Science stock
        • علوم بانکداری-Banking science
        • علوم تجارت-Business Sciences
      • علوم برق-Electrical Sciences
        • مقالات برق-Electrical Articles
        • علوم الکترونیک-Electronic science
      • علوم زیست شناسی-Biological Sciences
        • زمین شناسی-Geology
          • مقالات جغرافیا-Geography Papers
      • علوم اجتماعی-social Sciences
      • علوم ایمنی و بهداشت-Health and safety
        • مقالات ایمنی و بهداشت – Health and safety
      • علوم پزشکی-Medical Sciences
        • علوم روانشناسی-Psychological Science
          • روانشناسی موفقیت-Psychology of success
        • مقالات پزشکی-medical articles
        • مقالات آنتی بیوتیک-Articles antibiotics
        • مقالات دندانپزشکی-Dental articles
      • علوم ریاضیات و فیزیک-Science, mathematics and physics
        • مقالات ریاضی – Mathematical articles
        • مقالات فیزیک-Physics articles
      • علوم زبان انگلیسی-Science in English
      • علوم سیاسی-political science
      • علوم شیمی-Chemical Sciences
        • مقالات شیمی-Chemistry Articles
        • مقالات پتروشیمی-Petrochemical articles
      • علوم صنایع غذایی-Food Industry Science
        • علوم تغذیه-nutrition science
      • علوم صنایع-Industrial science
        • مهندسی مواد-Materials Engineering
          • مقالات متالورژی- Metallurgy Articles
      • علوم عمران-Civil Sciences
        • مقالات عمران-Civil Articles
      • علوم کامپیوتر-computer science
        • مقالات فناوری اطلاعات-Articles of Information Technology
        • مقالات کامپیوتر-Computer Articles
          • دیتابیس-database
          • داده کاوی-Data Mining
          • داده های عظیم-Big data
          • رایانش ابری-cloud computing
          • هادوپ-Hadoop
          • سیستم فازی-Fuzzy System
      • علوم کشاورزی-Agricultural Sciences
        • مقالات کشاورزی-Agricultural Articles
        • مقالات شیلات-Fisheries Articles
        • مقالات محیط زیست-Environmental articles
      • علوم مالی و اداری-Financial and Administrative Science
        • مقالات حسابداری-Accountant Articles
      • علوم مدیریت-Management Sciences
        • مدیریت کسب و کار-business management
        • مقالات مدیریت-Management Articles
        • مقالات کارآفرینی-Entrepreneurship articles
      • علوم تربیت بدنی-Physical Education Sciences
      • علوم ورزشی-Sports Sciences
      • علوم معماری-Architectural Science
      • علوم هنر-Art Science
      • علوم مکانیک-Mechanical Sciences
        • مقالات مکانیک-Mechanical Articles
      • مذهبی-Religious
      • ادبیات-Literature
        • مقالات زبان فارسی-Articles in Persian language
  • مجله اینترنتی
  • حساب کاربری من
  • آموزش دانلود
  • قوانین سایت
  • درباره ما
  • جستجو
  • منو منو
Enhanced Artificial Neural-taliem-ir

Enhanced Artificial Neural Network for Protein Fold Recognition and Structural Class Prediction

۰ تومان

In Bioinformatics Protein Fold Recognition (PFR) and Structural Class Prediction (SCP) is a significant problem in predicting protein with a three dimensional structure. Extraction of valuable features of protein that consists of 20 amino acids to acquire more desirable classifiers is fundamental to this PFR and SCP. Feature extraction technique predominantly exploits Forward Consecutive Search Scheme (FCS) that supplements syntacticalbased,  volutionary-based and physicochemical-based information. In this research work, a classifier known as Enhanced Artificial Neural Network (ANN) is employed as it is more efficient than Forward Consecutive Search scheme in order to improve the performance of PFR and SCP. The Enhanced ANN algorithm is an improved version of rtificial Neural Network when compared with various existing algorithms such as Support Vector Machine (SVM), ANN, K-Nearest Neighbor (KNN) and the Bayesian. The experiments are conducted on four datasets namely DD, EDD, TG and RDD. Ultimately, the statistical imputation of Enhanced ANN algorithm hypothesizes gives better results than other algorithms to improve the performance of PFR and SCP.

دسته: علوم کامپیوتر-computer science, مقالات کامپیوتر-Computer Articles, مقالات-Article برچسب: Artificial Neural Network, computers, Enhanced Artificial Neural Network, Protein Fold Recognition, Protein structure prediction, Structural Class Prediction
  • توضیحات
  • نظرات (0)

توضیحات

ABSTRACT

In Bioinformatics Protein Fold Recognition (PFR) and Structural Class Prediction (SCP) is a significant problem in predicting protein with a three dimensional structure. Extraction of valuable features of protein that consists of 20 amino acids to acquire more desirable classifiers is fundamental to this PFR and SCP. Feature extraction technique predominantly exploits Forward Consecutive Search Scheme (FCS) that supplements syntacticalbased,  volutionary-based and physicochemical-based information. In this research work, a classifier known as Enhanced Artificial Neural Network (ANN) is employed as it is more efficient than Forward Consecutive Search scheme in order to improve the performance of PFR and SCP. The Enhanced ANN algorithm is an improved version of rtificial Neural Network when compared with various existing algorithms such as Support Vector Machine (SVM), ANN, K-Nearest Neighbor (KNN) and the Bayesian. The experiments are conducted on four datasets namely DD, EDD, TG and RDD. Ultimately, the statistical imputation of Enhanced ANN algorithm hypothesizes gives better results than other algorithms to improve the performance of PFR and SCP.

 

چکیده

در شناخت رشته پروتئین Bioinformatics (PFR) و پیش بینی کلاس ساختاری (SCP) یک مشکل مهم در پیش بینی پروتئین با ساختار سه بعدی است. استخراج ویژگی های با ارزش پروتئین که شامل 20 اسید آمینه برای به دست آوردن طبقه بندی مطلوب تر است، برای این PFR و SCP اساسی است. تکنیک استخراج ویژگیها عمدتا از Scout Search Forward (FCS) استفاده می کند که اطلاعات مبتنی بر Syntacticalbased، مبتنی بر volutionary و اطلاعات فیزیکوشیمیایی را تکمیل می کند. در این کار تحقیقاتی، یک طبقه بندی به نام شبکه پیشرفته عصبی مصنوعی (ANN) به کار گرفته شده است که از کارایی بهتر از Scroll Search Forward جهت بهبود عملکرد PFR و SCP است. الگوریتم پیشرفته ANN یک نسخه بهبود یافته از شبکه عصبی مصنوعی است در مقایسه با الگوریتم های مختلف موجود مانند ماشین پشتیبانی Vector (SVM)، ANN، K-نزدیکترین همسایگی (KNN) و Bayesian. آزمایش ها بر روی چهار مجموعه داده ها انجام می شود یعنی DD، EDD، TG و RDD. در نهایت، فرضیه آماری فرضیه الگوریتم ANN بهبود یافته نتایج بهتر از الگوریتم های دیگر برای بهبود عملکرد PFR و SCP می دهد.

Year: ۲۰۱۸

Publisher : ELSEVIER

 By : P. Sudha, D. Ramyachitra, P. Manikandan

File Information: English Language/ 15 Page / size: 770 KB

Download

سال : ۱۳۹۶

ناشر : ELSEVIER

کاری از : P. Sudha، D. Ramyachitra، P. Manikandan

اطلاعات فایل : زبان انگلیسی / 15 صفحه / حجم : KB 770

لینک دانلود     

 

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “Enhanced Artificial Neural Network for Protein Fold Recognition and Structural Class Prediction” لغو پاسخ

برای فرستادن دیدگاه، باید وارد شده باشید.

محصولات مرتبط

  • دانلودکتاب آموزش برنامه نویسی اندروید

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • دانلودکتاب آموزش MVC

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • کتاب آموزش اتوکد

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات
  • کتاب کلان داده (bigdata)

    ۰ تومان
    افزودن به سبد خرید نمایش جزئیات

درباره فروشگاه

  • ایران
  • تعلیم مرکزی از دانش و علم و فناوریست ،جایی است که کلی مقاله و پروپزال رایگان در اختیار شما کاربران عزیز قرار می گیرد
  • info[at]taliem.ir

دوست عزیز شما می توانید فایل های رایگانی از جمله : نرم افزار ، کتاب ، جزوه ، مقاله و پروپوزال و غیره را از سایت تعلیم دانلود کنید و لازم به ذکر است که 80 در صد محصولات سایت تعلیم به صورت کاملا رایگان ارائه می شود.

در صورتی که فایل یا مقاله ای در سایت نشر داده شده است که دارای حق نشر می باشد خواهشمند است نویسنده یا ناشر با ایمیل زیر ما را در جریان قرار دهد تا از سایت حذف گردد

                taliemsite[@]gmail.com

شما را از پربازدید ترین مقالات مطلع می کنیم

دوست خوبم در صورت هر سوال یا مشکل از طریق تلفن یا پست الکترونیکی زیر می توانیم بهترین خدمات را به شما ارائه دهیم و مطمئن باشید تمام سعی خود را جهت ارائه بهترین خدمت به شما تقدیم خواهیم کرد.

تلفن:07734236086[دور کار-با ایمیل باشما هستیم]

پست الکترونیک : info[@]taliem.ir

اینستاگرام : taliemsit

تعلیم دانشگاهی برای تمام علوم
  • Facebook
  • Twitter
  • LinkedIn
  • Instagram
  • Pinterest
  • Reddit
تبیین ابقاء دانشجو براساس ویژگی های روانشناختی، تجارب قبلی، پیشینه تحصیلی و مهارتهای مدی...tabin ebgha daneshjo-taliem-irSocial media It's serious-taliem-irSocial media? It’s serious! Understanding the dark side of social med...
رفتن به بالا