Un primer acercamiento al aprendizaje del código genético usando redes neuronales
La bioinformática constituye un área interdisciplinaria que ha tenido un fuerte desarrollo en los últimos años. Dentro de dicha área, el aprendizaje del código genético a través de modelos computacionales apropiados constituye una problemática de gran importancia. El objetivo de este trabajo es pre...
Guardado en:
| Autores principales: | , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2005
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/22979 |
| Aporte de: |
| Sumario: | La bioinformática constituye un área interdisciplinaria que ha tenido un fuerte desarrollo en los últimos años. Dentro de dicha área, el aprendizaje del código genético a través de modelos computacionales apropiados constituye una problemática de gran importancia.
El objetivo de este trabajo es presentar un primer acercamiento al aprendizaje del código genético a través de redes neuronales utilizando la herramienta de software Weka. Dentro del aprendizaje del código genético, el problema concreto a resolver es la clasificación de cada uno de los 61 codones como alguno de los 20 aminoácidos. Para esta tarea, las redes con tres y cuatro unidades intermedias son relativamente fáciles de entrenar; es más difícil obtener redes perfectas con sólo dos unidades intermedias. Se observó que para esta tarea el esquema de entrenamiento de Backpropagation convencional no resulta efectivo. En este trabajo se muestran los resultados de los algoritmos de entrenamiento modificados y se los contrasta con resultados anteriores en el área. |
|---|