Název:
Genomická predikce založená na hlubokém učení pomocí sítí LSTM
Překlad názvu:
Genomic prediction based on deep learning using LSTM networks
Autoři:
Komjaty, Daniel ; Provazník, Valentine (oponent) ; Schwarzerová, Jana (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2024
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [cze][eng]
Tato 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.
This 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.
Klíčová slova:
genomická predikce; hřebenová regrese; náhodný les; operátor nejmenšího absolutního zmenšení a výběru; predikční metody; strojové učení; sítě s dlouhou-krátkodobou pamětí; genomic prediction; least absolute shrinkage and selection operator; long short-term memory networks; machine learning; prediction methods; random forest; ridge regression
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: https://hdl.handle.net/11012/246788