文献

J-GLOBAL ID：202202251136452039   整理番号：22A1175935

Codon符号化を用いた自閉症スペクトラム障害予測のための再帰ニューラルネットワークベースモデル【JST・京大機械翻訳】

Recurrrent Neural Network Based Model for Autism Spectrum Disorder Prediction using Codon Encoding

著者 (2件)： Sudha V. Pream (P.S.G.R Krishnammal College for Women, Coimbatore, India) ,  Vijaya M. S. (P.S.G.R Krishnammal College for Women, Coimbatore, India)
資料名： Journal of the Institution of Engineers (India): Series B  (Journal of the Institution of Engineers (India): Series B)
巻： 103  号： 2  ページ： 599-605  発行年： 2022年 
JST資料番号： W4608A  ISSN： 2250-2106  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深層学習法は,コンピュータをデータから学習し,よりスマートなアプリケーションを創造するために,従来の機械学習技法と共用する注目すべきツールである。有害な遺伝子分類は,生物医学データ解析のための標準計算フレームワークにおいて重要な作業である。遺伝子配列は高次元であり,計算モデリングのための明示的な属性を示さないので,それらから特徴を抽出することは複雑なタスクになる。最近,神経深層学習アーキテクチャは入力パターンから貴重な特徴を自動的に抽出する。本研究の主要なアイデアは,分類に使用できる観測信号に関連する高レベル情報を通して逐次パターンを学習するために,リカレントニューラルネットワーク(RNN)の電力を利用することである。自閉症スペクトラム障害(ASD)のような疾患を引き起こす影響を受けた遺伝子の分類は,生物医学研究における注目すべき課題である。長い短期記憶(LSTM)ユニットは,長期依存性を有する配列ベースタスクにうまく行くので,本研究はASDを引き起こす遺伝子を分類するための積層LSTM構造を調べる。モデルを訓練し,2つの手作業データセットとコドン符号化データセットでテストした。実験により,従来の深層ニューラルネットワークおよび二方向RNNと比較して,これらの先進再帰ユニットの優位性を,コドン符号化データセットによって明確に示した。Copyright The Institution of Engineers (India) 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *符号化 ,  電力 ,  遺伝子 ,  コドン ,  応用プログラム ,  高次元 ,  計算機アーキテクチャ ,  コンピュータ ,  機械学習
準シソーラス用語： 短期記憶 ,  リカレントニューラルネットワーク ,  生物医学 ,  遺伝子配列 ,  深層学習 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  リカレントニューラルネットワーク ,  自閉症スペクトラム障害 ,  遺伝子分類

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 符号化 ,  自閉症スペクトラム障害 ,  予測