机器学习算法在蛋白质结构预测中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 蛋白质相互作用预测方法 | 第9-11页 |
| 1.2.2 蛋白质二级结构预测方法 | 第11-13页 |
| 1.3 主要研究内容及组织结构 | 第13-14页 |
| 第二章 理论基础 | 第14-25页 |
| 2.1 蛋白质简介 | 第14-18页 |
| 2.1.1 蛋白质组成与结构 | 第14-15页 |
| 2.1.2 蛋白质的相互作用 | 第15-16页 |
| 2.1.3 蛋白质的二级结构 | 第16-18页 |
| 2.2 深度学习理论 | 第18-24页 |
| 2.2.1 神经网络 | 第18-19页 |
| 2.2.2 深度玻尔兹曼机(DBM) | 第19-21页 |
| 2.2.3 卷积神经网络(CNN) | 第21-23页 |
| 2.2.4 递归神经网络(RNNs) | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于深度玻尔兹曼机的蛋白质相互作用预测 | 第25-33页 |
| 3.1 蛋白质序列编码 | 第25-27页 |
| 3.2 采用ReLU改进的受限玻尔兹曼机 | 第27-28页 |
| 3.3 预测模型整体流程图 | 第28页 |
| 3.4 实验与分析 | 第28-32页 |
| 3.4.1 实验材料 | 第28页 |
| 3.4.2 实验结果 | 第28-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于卷积神经网络的蛋白质二级结构预测 | 第33-42页 |
| 4.1 问题描述 | 第33页 |
| 4.2 卷积网络模型设计 | 第33-36页 |
| 4.2.1 主要的模块 | 第33-35页 |
| 4.2.2 特征量化 | 第35页 |
| 4.2.3 本文模型的设计 | 第35-36页 |
| 4.3 实验数据和结果 | 第36-40页 |
| 4.3.1 实验数据 | 第36页 |
| 4.3.2 评价指标 | 第36-37页 |
| 4.3.3 实验结果 | 第37-40页 |
| 4.4 本章小结 | 第40-42页 |
| 第五章 基于LSTM的蛋白质二级结构预测 | 第42-46页 |
| 5.1 长短记忆神经网络(LSTM) | 第42-44页 |
| 5.1.1 LSTM | 第42-43页 |
| 5.1.2 由LSTM到BLSTM | 第43-44页 |
| 5.2 实验与分析 | 第44-45页 |
| 5.2.1 实验数据 | 第44页 |
| 5.2.2 实验模型 | 第44-45页 |
| 5.2.3 实验结果与分析 | 第45页 |
| 5.3 本章小结 | 第45-46页 |
| 第六章 工作总结与展望 | 第46-48页 |
| 6.1 工作总结 | 第46-47页 |
| 6.2 展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52页 |
