최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.6 no.5, 2011년, pp.649 - 656
석경휴 (순천청암대학 병원의료정보과) , 박성호 (전남도립대학 정보통신과)
This study is a numerical representative modelling analysis for applying the process that unravels networks between cells in genetics to Network of informatics. Using the probabilistic graphical model, the insight from the data describing biological networks is used for making a probabilistic functi...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
생물학적 시스템 모델은 어떤 확률함수를 사용하는가? | 그러나 이러한 통합을 얻기 위해서는 검측법과 짝을 이루는 생화학적 원리를 이해해야만 되기 때문에 분석된 결론은 생물학적 엔티티(entity)와 절차에 대해 새로운 지식을 제공한다. 생물학적 시스템 모델은 추상적인 것을 단순화한 형태로 다양한 조건에서 시스템의 행동과정을 발생시켜 이 행동들에서 시스템 요소의 역할을 추론하고, 확률적 모델 검출 잡음과 생물학적 시스템의 측면을 설명하기 위한 확률함수를 사용한다. 데이터를 분석하는 모델접근법에서 모델의 공간을 정의하고 모델링하기 위해 논리적 추론을 통한 예측으로 데이터를 발견하는 학습절차법을 이용한다. | |
생물학적 시스템을 모델링 할 때 유전자 시스템과 관련된 엔티티와 표현 레벨은 무엇으로 취급하는가? | 생물학적 시스템을 모델링 할 때 유전자 시스템과 관련된 엔티티와 표현 레벨은 확률적 모델의 임의의 변수로 취급한다. 임의의 변수에는 유전자 배열처럼 모델에 감추어진 특성과 실험에서 보여 지는 유전자의 표현 레벨 등이 포함된다. | |
베이스의 네트워크로는 어떤 측면을 명확하게 나타낼 수 있어야 하는가? | 실제의 네트워크 구조는 데이터에 있는 유전자의 수와 대열에 따라 달라지기 때문에 베이스의 네트워크로는 두 가지 중요한 측면을 명확하게 나타낼 수 있다. 첫째, 임의 변수는 유전자와 같은 각 실체의 특성을 나타낸다. 둘째 템플릿은 같은 타입의 모든 엔티티에 의해 공유되므로 P(Xg,aIBio -Clusterg, Array-Clusterg의 조건적 확률은 g와 a의 선택이 비슷하므로 규칙성을 찾아냄으로써 더 간결한 모델을 구현한다. 유전자집단 문제에 대한 템플릿 모델을 보여주고 유전자와 대열만 주어지면 베이스의 네트워크를 발생시킨다. |
K. B. Kim, Y. H. Joo, "An Enhaned Fuzzy Neural Network", Lecture Note in Computer Science LNCS, Vol. 3320, pp. 176-179, 2004.
R. Hecht-Nielsen, "Theory of Backpropagation Neural Network", Proceeding of IJCNN, Vol. 1, pp. 593-605, 1989.
J. Pearl, "Probabilistic Reasoning in Intelligent Systems", Morgan Kaufmann, San Francisco, 2005.
L. H. Yang, T. D. Bui, C. Y. Suen, "An Application of Nonlinear Wavlet Approximation to Face Recognation", ICPR'02 Vol. 2, 2002.
N. Friedman, L. Getoor, D. Koller, A. Pfeffer, "Relational Data Mining", S. Dvzeroski, N. Lavrac, Eds. Springer-Verlag, Berlin, pp. 307-337, 2001.
E. Segal, B. Taskar, A. Gasch, N. Friedman, D. Koller, "An Overview of Statistical Learing Theory", Bioinformatics, Vol. 17, pp. 243, 2001.
J. Cheng, T. Ottosson, "Linearly Approximated Log-MAP Algorithms for Tubo Decoding", IEEE Vehic. Tech. Conf. Tokyo, Vol. 3, pp. 2252-2256, 2000.
I. Holmes, W. Bruno, "Simplified MAP Algorithm suitable for Implementation of turbo decoders", Proc. Int. Conf. Intell. Syst. Mol. Biol., Vol. 8, pp. 202-204, 2000.
E. Segal, R. Yelensky, D. Koller, "Optical coherence tomography of the human retina", Bioinformatics, Vol. 19, pp. 273-275, 2003.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.