Après une rétrospective des principaux systèmes d'intelligence artificielle, accessible aux étudiants ayant acquis des connaissances de base en mathématiques, le concept d'apprentissage automatique est développé. La structure et les méthodes d'apprentissage des réseaux de neurones et des modèles de Markov cachés sont examinées. Le domaine d'application est l'étude des molécules de la vie : ADN, protéines. Après un rappel des propriétés de ces molécules, on décrit les principaux systèmes qui ont été développés pour réaliser des alignements de séquences de brins d'ADN et de protéines. ... Lire la suite
Après une rétrospective des principaux systèmes d'intelligence artificielle, accessible aux étudiants ayant acquis des connaissances de base en mathématiques, le concept d'apprentissage automatique est développé. La structure et les méthodes d'apprentissage des réseaux de neurones et des modèles de Markov cachés sont examinées. Le domaine d'application est l'étude des molécules de la vie : ADN, protéines. Après un rappel des propriétés de ces molécules, on décrit les principaux systèmes qui ont été développés pour réaliser des alignements de séquences de brins d'ADN et de protéines. L'approche suivie ici sera d'étudier si un réseau de neurones, de manière totalement autonome, est capable de réaliser un alignement de séquences de protéines. Il fera son apprentissage par la lecture de séquences déjà alignées, décrites dans des banques de données, sans étape préalable de traitement de l'information. Après apprentissage, la faisabilité de l'alignement de deux séquences inconnues, sur base de la connaissance qu'il a acquise directement par la lecture de la banque de données, sera analysée.
En créant un compte sur notre site, vous pourrez passer vos commandes plus rapidement, enregistrer plusieurs adresses de livraison, consulter et suivre vos commandes, et bien d'autres choses.
Se connecter
Créer un nouveau compte