Luận Án Tiến Sĩ Mô Hình Xử Lý Hiệu Quả Dữ Liệu Biểu Hiện Gen

Thứ nhất, mô hình rút trích đặc trưng mới sử dụng mạng nơ-ron tích chập sâu được đề xuất để học các đặc trưng tiềm ẩn từ dữ liệu biểu hiện gen. Mô hình này cải thiện độ chính xác phân lớp trên dữ liệu biểu hiện gen của cả hai công nghệ DNA Microarray và RNA-Seq. Kết quả thực nghiệm chứng minh DCNN có hiệu quả tốt khi rút trích đặc trưng từ dữ liệu biểu hiện gen. Bên cạnh đó, chúng tôi còn đề xuất mô hình mới kết hợp các phương pháp tăng cường và rút trích đặc trưng để giải quyết cả hai thách thức của dữ liệu biểu hiện gen. Trong phương pháp này, giải thuật SMOTE được đề xuất để sinh mới dữ liệu từ các đặc trưng được rút trích bằng DCNN. Các mô hình này được kết nối với các bộ phân lớp để phân loại hiệu quả dữ liệu biểu hiện gen.

• Luận án tiến sĩ tin học
• Chuyên ngành Hệ thống thông tin
• Người hướng dẫn khoa học: PGS.TS. Đỗ Thanh Nghị, TS. Nguyễn Văn Hòa
• Tác giả: Huỳnh Phước Hải
• Số trang: 170
• Kiểu file: PDF
• Ngôn ngữ: Tiếng Việt
• Đại học Cần Thơ 2019

Link Download
http://luanvan.moet.edu.vn/?page=1.13&view=35562
https://drive.google.com/uc?id=1M6SvZQMS4ZdVKMiWmvSNRvKRr5qDuqce
https://drive.google.com/drive/folders/1yLBzZ1rSQoNjmWeJTM6cEZ3WGQHg04L1