基于神经网络的蛋白质二级结构预测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题的背景和意义 | 第8页 |
| 1.2 蛋白质二级结构预测的研究现状 | 第8-10页 |
| 1.3 本文的研究内容 | 第10页 |
| 1.4 本文的章节安排 | 第10-12页 |
| 第2章 神经网络的基本理论 | 第12-24页 |
| 2.1 引言 | 第12页 |
| 2.2 神经网络的基本函数 | 第12-15页 |
| 2.2.1 激活函数 | 第12-13页 |
| 2.2.2 Softmax函数 | 第13-14页 |
| 2.2.3 损失函数 | 第14-15页 |
| 2.3 神经网络的模型框架 | 第15-18页 |
| 2.3.1 前馈神经网络 | 第16页 |
| 2.3.2 递归神经网络 | 第16-17页 |
| 2.3.3 卷积神经网络 | 第17-18页 |
| 2.4 神经网络的正则化方法 | 第18-20页 |
| 2.4.1 早期停止 | 第18-19页 |
| 2.4.2 L2正则化 | 第19页 |
| 2.4.3 Dropout | 第19-20页 |
| 2.5 神经网络的训练 | 第20-21页 |
| 2.6 神经网络软件包 | 第21-22页 |
| 2.7 本章小结 | 第22-24页 |
| 第3章 基于前馈神经网络的蛋白质二级结构预测 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 蛋白质结构数据的文件存储 | 第24-26页 |
| 3.3 蛋白质结构数据的统计分析 | 第26-29页 |
| 3.4 蛋白质二级结构数据集的构造 | 第29-32页 |
| 3.4.1 非冗余蛋白质链集合 | 第29-30页 |
| 3.4.2 氨基酸的编码 | 第30-32页 |
| 3.4.3 基于局部滑动窗口的数据集构造 | 第32页 |
| 3.5 基于前馈神经网络的蛋白质二级结构预测 | 第32-36页 |
| 3.5.1 前馈神经网络预测模型 | 第33页 |
| 3.5.2 实验数据 | 第33-34页 |
| 3.5.3 实验结果与分析 | 第34-36页 |
| 3.6 本章小节 | 第36-38页 |
| 第4章 基于递归神经网络的蛋白质二级结构预测 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 递归神经网络 | 第38-42页 |
| 4.2.1 朴素RNN模型 | 第38-40页 |
| 4.2.2 LSTM模型 | 第40-41页 |
| 4.2.3 GRU模型 | 第41-42页 |
| 4.2.4 双向RNN模型 | 第42页 |
| 4.3 基于递归神经网络的蛋白质二级结构预测 | 第42-47页 |
| 4.3.1 基于递归神经网络的预测框架 | 第43-44页 |
| 4.3.2 实验数据 | 第44-45页 |
| 4.3.3 实验结果与分析 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
