Genomická predikce založená na hlubokém učení pomocí sítí LSTM

Simple item page
but.committeedoc. Ing. Jiří Hozman, Ph.D. (předseda) doc. Mgr. Ing. Karel Sedlář, Ph.D. (místopředseda) Ing. Roman Jakubíček, Ph.D. (člen) Ing. Vratislav Čmiel, Ph.D. (člen) MUDr. Zuzana Nováková, Ph.D. (člen) Ing. Vojtěch Bartoň (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Dr. Jakubíček se zeptal, co je vstupem. V jaké formě jsou uložené pozice? Okomentoval použití LSTM vzhledem ke vstupu. Doc. Sedlář se doptal na vstup. Dr. Jakubíček se zeptal na použití 2 dropout. Proč konkrétně LSTM, dropout, LSTM, dropout? Jak byly dlouhé vstupy signálů? Proč máte korelační koeficient v procentech? Co znamená daná hodnota MSE? Jak jste dělil data na trénovací a testovací? Student obhájil bakalářskou práci s výhradami a odpověděl na otázky členů komise a oponenta.cs
but.jazykčeština (Czech)
but.programBiomedicínská technika a bioinformatikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSchwarzerová, Janacs
dc.contributor.authorKomjaty, Danielcs
dc.contributor.refereeProvazník, Valentýnacs
dc.date.created2024cs
dc.description.abstractTato bakalářská práce se věnuje problematice genomické predikce s využitím predikčních metod založených na strojovém učení. V první části se práce zabývá teoretickou rešerší s užším zaměřením na genomickou predikci a její aplikaci v rámci rostlinných dat. Dále se zabývá predikčními algoritmy a modely založenými na strojovém učení, které se využívají pro genomické predikce. Další část obsahuje podrobnější popis použitých genomických a metabolomických dat poskytnutých od vedoucí práce. Ve čtvrté části je popsána samotná implementace vybraných modelů strojového učení. Poslední pátá část se zabývá zhodnocením modelů strojového učení a diskuzí k výsledkům.cs
dc.description.abstractThis bachelor's thesis deals with the problem of genomic prediction using machine learning based prediction methods. The first part of the thesis deals with theoretical review with a narrower focus on genomic prediction and its application to plant data. Thesis then discusses prediction algorithms and machine learning based models that are used for genomic prediction. The following section contains a more detailed description of the used genomic and metabolomic data, provided by the thesis supervisor. The fourth section describes the actual implementation of the selected machine learning models. The last fifth section deals with the evaluation of the machine learning models and discussion of the results.en
dc.description.markCcs
dc.identifier.citationKOMJATY, D. Genomická predikce založená na hlubokém učení pomocí sítí LSTM [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.cs
dc.identifier.other159700cs
dc.identifier.urihttp://hdl.handle.net/11012/246788
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectpredikční metodycs
dc.subjectstrojové učenícs
dc.subjecthřebenová regresecs
dc.subjectoperátor nejmenšího absolutního zmenšení a výběrucs
dc.subjectnáhodný lescs
dc.subjectsítě s dlouhou-krátkodobou pamětícs
dc.subjectgenomická predikcecs
dc.subjectprediction methodsen
dc.subjectmachine learningen
dc.subjectridge regressionen
dc.subjectleast absolute shrinkage and selection operatoren
dc.subjectrandom foresten
dc.subjectlong short-term memory networksen
dc.subjectgenomic predictionen
dc.titleGenomická predikce založená na hlubokém učení pomocí sítí LSTMcs
dc.title.alternativeGenomic prediction based on deep learning using LSTM networksen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2024-06-11cs
dcterms.modified2024-06-12-15:39:12cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid159700en
sync.item.dbtypeZPen
sync.item.insts2025.03.17 17:19:57en
sync.item.modts2025.01.17 12:06:53en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav biomedicínského inženýrstvícs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
6.42 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
168.98 KB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_159700.html
Size:
7.07 KB
Format:
Hypertext Markup Language
Description:
file review_159700.html
Download
Collections
2024