prikaz prve stranice dokumenta Tehnike učenja za klasifikaciju bioloških nizova
  Preuzmi
PDF 357.21 KB
diplomski rad
Tehnike učenja za klasifikaciju bioloških nizova
2020. urn:nbn:hr:217:005111
Pezić, Marija
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Matematički odsjek

Citirajte ovaj rad

Pezić, M. (2020). Tehnike učenja za klasifikaciju bioloških nizova (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:005111

Pezić, Marija. "Tehnike učenja za klasifikaciju bioloških nizova." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:217:005111

Pezić, Marija. "Tehnike učenja za klasifikaciju bioloških nizova." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:217:005111

Pezić, M. (2020). 'Tehnike učenja za klasifikaciju bioloških nizova', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 15.04.2024., https://urn.nsk.hr/urn:nbn:hr:217:005111

Pezić M. Tehnike učenja za klasifikaciju bioloških nizova [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2020 [pristupljeno 15.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:005111

M. Pezić, "Tehnike učenja za klasifikaciju bioloških nizova", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:005111

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:005111
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovTehnike učenja za klasifikaciju bioloških nizova
AutorMarija Pezić
MentorPavle Goldstein (mentor)
Član povjerenstvaPavle Goldstein (predsjednik povjerenstva)
Član povjerenstvaJuraj Šiftar (član povjerenstva)
Član povjerenstvaZrinka Franušić (član povjerenstva)
Član povjerenstvaRudi Mrazović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Matematički odsjek)
Zagreb
Datum i država obrane2020-02-27, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Sažetak
Cilj rada je analiza linearne klasifikacije proteina pomoću max-norme i algoritma stroja potpornih vektora. Na početku rada dani su osnovni matematički pojmovi iz linearne algebre, optimizacije, vjerojatnosti i statistike potrebni za razumijevanje rada. Također, opisan je rad algoritma stroja potpornih vektora. Za analizu se koristi sedam proteinskih familija. Skup za učenje sačinjen je od po 300 proteina iz svake proteinske familije, dok je skup za testiranje sačinjen od po 100 proteina iz svake proteinske familije. Objašnjen je postupak određivanja značajki svake familije te način izrade modela koji opisuju odnos svakog proteina sa zadanim proteinskim familijama. U konačnici su provedeni testovi linearne klasifikacije pomoću max-norme odnosno algoritma stroja potpornih vektora za različite parametre, te je napravljena usporedba dobivenih rezultata. Pokazalo se da su rezultati klasifikacije za različite metode gotovo isti i jako dobri.
Sažetak (engleski)
The aim of this work is an analysis of protein classification using the max-norm and support vector machine algorithm. First, we present some basic concepts from linear algebra, optimization, probability, and statistics that are needed for understanding later. Also, we explained mathematical background of the support vector machine algorithm. There are 7 protein families used for analysis. The training set consists of 300 proteins from each family, and the test set consists of 100 proteins from each family. We described the process of determining features for each family and how to build a model that describes the relation between given protein and protein families. Finally, we implemented the linear classification using the max-norm and support vector machine algorithm for different parameter values. It is shown that results are almost the same for both algorithms, and classification is very accurate.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:005111
Studijski programNaziv: Matematička statistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-09-23 10:57:58