Empreu aquest identificador per citar o enllaçar aquest ítem:
http://hdl.handle.net/10609/98407
Títol: | Modelització de dades òmiques amb autoencoders |
Autoria: | Masip Masip, Jordi |
Tutor: | Reverter, Ferran Vegas Lozano, Esteban |
Altres: | Sánchez-Pla, Alex Ventura, Carles |
Resum: | La finalitat d'aquest treball és reproduir i explorar l'ús de xarxes neuronals basades en autoencoders apilats per a la modelització de dades òmiques. Donada la seva gran dimensionalitat, per l'anàlisi de dades òmiques s'han hagut de desenvolupar noves tècniques. Els mètodes de deep learning són unes de les eines que en els últims anys han suposat millores en el seu tractament. El treball de Xie et al. (1) mostra una superioritat d'un model de perceptró multicapa basat en autoencoders apilats (MLP-SAE) per estudiar la relació del patró de polimorfisme genètic de nucleòtids simples (SNP) i el recompte d'expressió genètica per tècniques de seqüenciació d'alt rendiment (HTSeq), respecte a altres tècniques d'anàlisis. |
Paraules clau: | dades òmiques aprenentatge profund autoencoder |
Tipus de document: | info:eu-repo/semantics/masterThesis |
Data de publicació: | jun-2019 |
Llicència de publicació: | http://creativecommons.org/licenses/by-sa/3.0/es/ |
Apareix a les col·leccions: | Trabajos finales de carrera, trabajos de investigación, etc. |
Arxius per aquest ítem:
Arxiu | Descripció | Mida | Format | |
---|---|---|---|---|
jmasipmasTFM0619memòria.pdf | Memòria del TFM | 2,04 MB | Adobe PDF | Veure/Obrir |
codi_i_resultats_Memoria_Treball.zip | 20,56 MB | Unknown | Veure/Obrir |
Comparteix:
Aquest ítem està subjecte a una llicència de Creative Commons Llicència Creative Commons