ماشین آلات و برنامه های کاربردی هسته زیستی
ماشین هسته با توجه به قابلیت رسیدگی به مسائل بسیار پیچیده و انعطاف پذیری بالا در تطبیق با الگوریتم های مختلف، نقش مهمی در یادگیری ماشین ایفا می کند.
ماشین‌های هسته زیستی و برنامه‌های کاربردی، نوع جدیدی از ماشین هسته را برای کاوش و مدل‌سازی بین ساختارهای ذاتی ژنوتیپی توالی‌های پروتئین کوتاه یا توالی‌های هسته‌ای و خواص بیولوژیکی فنوتیپی یا عملکرد پروتئین‌ها یا نوکلئوتیدها معرفی خواهند کرد.
این کتاب به دنبال ایجاد مبانی ماشین‌های هسته زیستی با ارائه اصل و تئوری اساسی ماشین هسته و فرمت‌های مختلف ماشین‌های هسته، مانند ماشین‌های هسته رشته‌ای که برای کاربردهای بیولوژیکی مناسب هستند، است. این کتاب همچنین چندین کاربرد بیولوژیکی ماتریس‌های جهش را معرفی می‌کند و نشان می‌دهد که چگونه ماتریس‌های جهش می‌توانند کارایی و ارتباط بیولوژیکی مدل‌های یادگیری ماشین را که در مسائل بیولوژیکی خاص اعمال می‌شوند، افزایش دهند.
از طریق تجزیه و تحلیل کاربردهای فعلی ماشین‌های هسته زیستی، خوانندگان به مزیت‌های ماشین‌های هسته زیستی می‌پردازند و بررسی می‌کنند که چگونه ماشین‌های هسته زیستی را می‌توان برای مقابله با طیف گسترده‌ای از چالش‌های بیولوژیکی تقویت کرد و راه را برای پیشرفت‌های آینده هموار کرد.
خوانندگان: محققان و کارکنان دانشگاهی در دانشگاه ها و مؤسسات تحقیقاتی که در زمینه یادگیری ماشین و بیوانفورماتیک کار می کنند.
Bio-Kernel Machines and Applications
Due to its capability of handling very complex problems and its high flexibility in adapting to different algorithms, the kernel machine plays a crucial role in machine learning.
Bio-Kernel Machines and Applications will introduce a new type of kernel machine for the exploration and modeling between the genotypic inherent structures of short protein sequences or nucleic sequences and the phenotypic biological properties or functions of proteins or nucleotides.
The book seeks to establish the fundamentals of the bio-kernel machines by presenting the basic principle and theory of the kernel machine and the various formats of kernel machines, such as string kernel machines adapted for biological applications. The book will also introduce several biological applications of the mutation matrices, demonstrating how mutation matrices can enhance the efficiency and biological relevance of machine learning models applied in specific biological problems.
Through analyzing current applications of bio-kernel machines, readers will delve into the advantages of the bio-kernel machines and explore how bio-kernel machines can be further enhanced to tackle a wide spectrum of biological challenges and pave the way for future advancements.
Readership: Researchers and academic staff in the universities and research institutes who work in the area of machine learning and bioinformatics.
Product details
- ASIN : B0D1KC8YST
- Publisher : World Scientific Publishing Company (March 6, 2024)
- Publication date : March 6, 2024
- Language : English
- File size : 64621 KB
- Text-to-Speech : Enabled
- Screen Reader : Supported
- Enhanced typesetting : Enabled
- X-Ray : Not Enabled
- Word Wise : Not Enabled
- Print length : 266 pages
- Page numbers source ISBN : 9811287333