文献

J-GLOBAL ID：202002281757034751   整理番号：20A0815883

蛋白質機能を予測するためのグラフニューラルネットワーク【JST・京大機械翻訳】

Graph Neural Networks for Predicting Protein Functions

著者 (3件)： Ioannidis Vassilis N. (Digital Technology Center, University of Minnesota,Dept. of ECE,Minneapolis,USA) ,  Marques Antonio G. (King Juan Carlos University,Dept. of Signal Theory and Comms.,Madrid,Spain) ,  Giannakis Georgios B. (Digital Technology Center, University of Minnesota,Dept. of ECE,Minneapolis,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CAMSAP  ページ： 221-225  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 蛋白質に関連する機能の学習は,疾患診断,医療,およびヒト生物学に対する洞察を得るために不可欠である。本論文では,多関係グラフ上の半教師つき学習タスクとして蛋白質関数予測を提案し,グラフニューラルネットワーク(GNN)アプローチを用いて取り組んだ。新しいGNNアーキテクチャはマルチ関係グラフを採用し,学習可能なパラメータにより異なる関係の影響を重み付けする。究極の目標は,複雑で高度に非線形なデータ関連を発見することができる強力な学習アーキテクチャを設計することである。蛋白質ネットワークによる数値試験は,最先端の代替案に比べて性能利得を裏付ける。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *タンパク質 ,  ヒト ,  計算機アーキテクチャ ,  学習 ,  *ニューラルネットワーク ,  利得
準シソーラス用語： 蛋白質ネットワーク ,  半教師つき学習 ,  蛋白質機能 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 蛋白質機能 ,  予測 ,  グラフニューラルネットワーク