Geri Dön

Optimizing classifiers for protein secondary structure prediction

Protein ikincil yapısının tahmini için sınıflandırma yöntemlerinin optimizasyonu

  1. Tez No: 476265
  2. Yazar: ÖMMU GÜLSÜM UZUT
  3. Danışmanlar: YRD. DOÇ. DR. ZAFER AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: İngilizce
  9. Üniversite: Abdullah Gül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Protein ikincil yapı tahmini, proteinin yapısını ve fonksiyonunu anlamak için önemli ve yaygın olarak kullanılan bir aşamadır. İkincil yapı tahmin bilgisi üç boyutlu yapı tahmini için de kullanıldığından protein dizisiyle üç boyutlu yapısı arasında bir köprü olarak görülebilir. Şimdiye kadar, tahmin doğruluk oranını artırmak için birçok yöntem geliştirilmiştir. Yöntemlerin performansını etkileyecek birden fazla durum vardır. Bunlar arasında model hiper-parametrelerinin doğru seçilmesi önem taşımaktadır. Model eğitme sürecinde direkt olarak öğrenilemeyen bu parametrelerin optimize edilmesiyle modellerin hassas olarak ayarlanması mümkündür. Bu sayede aşırı uyum ve eksik uyum gibi davranışlardan kaçınılması amaçlanır. Bu tezde, destek vektör makinesi, derin katlamalı yapay sinir alanları ve rastgele orman yöntemleri bir hibrit sınıflandırıcının ikinci aşamasında kullanılmak üzere optimize edilmiş ve ikincil yapı tahmini problemine uygulanmıştır. Buna ek olarak eğitilen sınıflandırıcılardan elde edilen tahminler bir topluluk yöntemi ile farklı kombinasyonlarda birleştirilmiş ve başarı oranları en zor tahmin koşulu için incelenmiştir. Geliştirilen yöntemlerin doğruluk oranları literatürdeki en iyi yöntemler ile aynı seviyededir ve farklı modellerin birleştirilmesinin tahmin başarısını iyileştirme potansiyeli bulunduğu gösterilmiştir.

Özet (Çeviri)

Protein secondary structure prediction (PSSP) is important for understanding protein structure and function. It can be seen as a bridge between amino acid sequence and three-dimensional (3-D) structure of a protein. To date, many methods have been proposed to improve prediction accuracy. There are multiple conditions that will affect the performance of a method. One of these is the selection of correct hyper parameters, which may not be learned directly from the regular training process. Optimizing these hyper-parameters enable us to fine-tune the model complexity preventing over-fitting and under-fitting. In this thesis, we optimized a support vector machine, a deep convolutional neural field and a random forest for the second stage of a hybrid classifier for protein secondary structure prediction. In addition, we built an ensemble classifier that combines the predictions from the individual methods in various combinations. We demonstrate that the overall accuracy of the ensemble is comparable to the success rates of the state-of-the-art methods in the most difficult prediction setting and combining the selected models have the potential to further improve the accuracy of the base learners.

Benzer Tezler

  1. Düşük geçirgenlik ve çözünürlük gösteren farmasötik formun kalite tasarımı ile geliştirlmesi ve in-vitro farmakokinetik çalışması

    Development of a low permeability and solubility pharmaceutical form by quality design and in vitro pharmacokinetic study

    ERHAN KOÇ

    Doktora

    Türkçe

    Türkçe

    2023

    BiyomühendislikYıldız Teknik Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. RABİA ÇAKIR

  2. Effects of cold plasma treatment on the quality andantioxidant properties of mixed fruit juice

    Soğuk plazma uygulamasının karışık meyve suyunun kaliteve antioksidan özelliklerine etkileri

    ECRE ŞAHİNOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Gıda Mühendisliğiİstanbul Teknik Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CELALE KIRKIN GÖZÜKIRMIZI

  3. Convolutional neural networks (CNN) based binary classifiers for construction machinery detection

    İnşaat makinesi tespiti için evrişimli sinir ağları (ESA) tabanlı ikili sınıflandırıcılar

    BAHADIR TATAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiÇankaya Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEDA YEŞİLMEN

    ÖĞR. GÖR. HALİL FIRAT ÖZEL

  4. Improved extreme learning machines and applications

    Geliştirilmiş aşırı öğrenme makineleri ve uygulamaları

    MOHANAD ABD SHEHAB AL KARAWI

    Doktora

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NİHAN KAHRAMAN

  5. Yazılım tanımlı ağlarda yük dengeleme probleminin optimizasyonu

    Optimizing the load balancing problem in software-defined networks

    ŞEYMA AYMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUĞRUL ÇAVDAR