Fugu-MT 論文翻訳(概要): Secondary Protein Structure Prediction Using Neural Networks

論文の概要: Secondary Protein Structure Prediction Using Neural Networks

arxiv url: http://arxiv.org/abs/2208.11248v1
Date: Wed, 24 Aug 2022 01:08:09 GMT
ステータス: 処理完了
システム内更新日: 2022-08-25 13:29:17.026433
Title: Secondary Protein Structure Prediction Using Neural Networks
Title（参考訳）: ニューラルネットワークを用いた二次タンパク質構造予測
Authors: Sidharth Malhotra, Robin Walters
Abstract要約: ニューラルネットワーク構造を用いてタンパク質の二次構造を予測する実験を行った。マウスと人間のデータセットでトレーニングされ、テストされたモデルの種間比較を行います。モデルに入力したタンパク質配列の長さを変える影響を検証した。
参考スコア（独自算出の注目度）: 5.076419064097734
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper we experiment with using neural network structures to predict a protein's secondary structure ({\alpha} helix positions) from only its primary structure (amino acid sequence). We implement a fully connected neural network (FCNN) and preform three experiments using that FCNN. Firstly, we do a cross-species comparison of models trained and tested on mouse and human datasets. Secondly, we test the impact of varying the length of protein sequence we input into the model. Thirdly, we compare custom error functions designed to focus on the center of the input window. At the end of paper we propose a alternative, recurrent neural network model which can be applied to the problem.
Abstract（参考訳）: 本稿では,ニューラルネットワーク構造を用いてタンパク質の二次構造({\alpha} helix position)を一次構造(アミノ酸配列)のみから予測する実験を行った。完全連結ニューラルネットワーク(FCNN)を実装し,そのFCNNを用いて3つの実験を行った。まず、マウスと人間のデータセットでトレーニングおよびテストされたモデルの種間比較を行う。次に,モデルに入力するタンパク質配列の長さの違いによる影響を検証した。第3に、入力ウィンドウの中心に集中するように設計されたカスタムエラー関数を比較する。論文の最後に,この問題に適用可能な代替的再帰的ニューラルネットワークモデルを提案する。

関連論文リスト

Structured Neural Networks for Density Estimation and Causal Inference [15.63518195860946]
ニューラルネットワークに構造を注入することで、入力のサブセットに関する不変性を満たす学習機能を実現することができる。本稿では,ニューラルネットワークのマスキング経路を通じて構造を注入する構造ニューラルネットワーク(StrNN)を提案する。
論文参考訳（メタデータ） (2023-11-03T20:15:05Z)
Set-based Neural Network Encoding Without Weight Tying [91.37161634310819]
本稿では,ネットワーク特性予測のためのニューラルネットワーク重み符号化手法を提案する。我々のアプローチは、混合アーキテクチャのモデル動物園でニューラルネットワークを符号化することができる。ニューラルネットワークのプロパティ予測には,クロスデータセットとクロスアーキテクチャという,2つの新しいタスクを導入する。
論文参考訳（メタデータ） (2023-05-26T04:34:28Z)
Do deep neural networks have an inbuilt Occam's razor? [1.1470070927586016]
構造データとOccam's razor-likeインダクティブバイアスが組み合わさった単純な関数に対する構造データは、複雑さを伴う関数の指数的成長に反することを示す。この分析により、構造データと(コルモゴロフ)単純関数に対するOccam's razor-likeインダクティブバイアスが組み合わさって、複雑さを伴う関数の指数的成長に対抗できるほど強いことがDNNの成功の鍵であることが明らかになった。
論文参考訳（メタデータ） (2023-04-13T16:58:21Z)
Permutation Equivariant Neural Functionals [92.0667671999604]
この研究は、他のニューラルネットワークの重みや勾配を処理できるニューラルネットワークの設計を研究する。隠れた層状ニューロンには固有の順序がないため, 深いフィードフォワードネットワークの重みに生じる置換対称性に着目する。実験の結果, 置換同変ニューラル関数は多種多様なタスクに対して有効であることがわかった。
論文参考訳（メタデータ） (2023-02-27T18:52:38Z)
Hybrid machine-learned homogenization: Bayesian data mining and convolutional neural networks [0.0]
本研究では,新しい特徴記述子を開発することにより,機械学習による予測を改善することを目的とする。特徴記述子の反復的な開発により37の新たな特徴が生まれ、予測誤差を約3分の1削減することができた。特徴に基づくアプローチと畳み込みニューラルネットワークの組み合わせは、ハイブリッドニューラルネットワークにつながる。
論文参考訳（メタデータ） (2023-02-24T09:59:29Z)
HAC-Net: A Hybrid Attention-Based Convolutional Neural Network for Highly Accurate Protein-Ligand Binding Affinity Prediction [0.0]
本稿では,3次元畳み込みニューラルネットワークと2つのグラフ畳み込みニューラルネットワークからなる新しいディープラーニングアーキテクチャを提案する。 HAC-NetはPDBbind v.2016コアセットの最先端結果を取得する。我々は,このモデルを,構造に基づく生体分子特性予測に関連する幅広い教師付き学習問題に拡張できると考えている。
論文参考訳（メタデータ） (2022-12-23T16:14:53Z)
Lost Vibration Test Data Recovery Using Convolutional Neural Network: A Case Study [0.0]
本稿では,アラモサキャニオン橋のCNNアルゴリズムを実構造として提案する。 3つの異なるCNNモデルは、1つと2つの故障したセンサーを予測するものとされた。畳み込み層を追加することによりモデルの精度が向上した。
論文参考訳（メタデータ） (2022-04-11T23:24:03Z)
On the Neural Tangent Kernel Analysis of Randomly Pruned Neural Networks [91.3755431537592]
ニューラルネットワークのニューラルカーネル(NTK)に重みのランダムプルーニングが及ぼす影響について検討する。特に、この研究は、完全に接続されたニューラルネットワークとそのランダムに切断されたバージョン間のNTKの等価性を確立する。
論文参考訳（メタデータ） (2022-03-27T15:22:19Z)
Classification of diffraction patterns using a convolutional neural network in single particle imaging experiments performed at X-ray free-electron lasers [53.65540150901678]
X線自由電子レーザー(XFEL)における単一粒子イメージング(SPI)は、その自然環境における粒子の3次元構造を決定するのに特に適している。再建を成功させるためには、単一のヒットに由来する回折パターンを多数の取得パターンから分離する必要がある。本稿では,この課題を画像分類問題として定式化し,畳み込みニューラルネットワーク(CNN)アーキテクチャを用いて解決することを提案する。
論文参考訳（メタデータ） (2021-12-16T17:03:14Z)
BreakingBED -- Breaking Binary and Efficient Deep Neural Networks by Adversarial Attacks [65.2021953284622]
CNNのホワイトボックス攻撃やブラックボックス攻撃に対する堅牢性について検討する。結果は、蒸留されたCNN、エージェントベースの最新のprunedモデル、およびバイナライズニューラルネットワークのために示されています。
論文参考訳（メタデータ） (2021-03-14T20:43:19Z)
Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
論文参考訳（メタデータ） (2020-02-02T21:09:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。