V
主页
8.3 序列比对
发布人
原书信息:清华大学出版社-图书详情-《TensorFlow+Android经典模型从理论到实战(微课视频版)》 http://www.tup.tsinghua.edu.cn/booksCenter/book_09703501.html 第8章 BERT与基因序列预测 当你读完第8章时,你应该能够: l 理解生物信息学数据库是建模的数据之源。 l 理解数据库检索的基本方法。 l 理解序列比对的基本方法与意义。 l 理解增强子的基本结构及在基因转录中的重要作用。 l 理解增强子序列数据集的采集方法。 l 理解并掌握BERT模型的体系结构与原理。 l 用BERT预训练模型对基因序列做迁移学习,提取基因特征。 l 用BERT+DenseNet121完成基因预测模型的定义、训练与评估。 近年来,以Transformer和BERT为代表的自然语言处理模型得到长足发展,将基因序列或者残基序列视作自然语言序列,将Transformer和BERT应用于生物信息学领域的序列解析与预测,已经成为一种研究趋势。 增强子预测是生物信息学领域富有挑战性的问题。本章的任务是将增强子的DNA序列视作“自然语言中的语句”,用BERT模型将其转换为固定长度的特征矩阵,实现DNA特征提取,在此基础上,用DenseNet121迁移学习模型,完成DNA增强子的分类预测。
打开封面
下载高清视频
观看高清视频
视频下载器
【全300集】清华大学2024版Transformer教程!入门到进阶,全程干货讲解!拿走不谢!(神经网络/NLP/深度学习/BERT/大模型/GPT/RNN)
6.7 数据集分析
4.7 划分数据集
2.8 MobileNetV3训练
9.8 AlphaFold2项目实战演示
3.5 创建数据库
3.12 反向传播
3.8 激励函数
2024最新 Android Studio 安装配置步骤
8.4 多序列比对
8.9 DNA序列特征提取
2.6 卷积运算
2.9 三维卷积
1.3 TCP IP通信协议
2.16 数据集划分
3.20 ResNet卷积网络
5.6 数据集预处理与划分
3.11 正向传播
2.3 Wireshark过滤器
5.5 筛选蛋白质序列
8.2 数据库检索
4.17 YOLOv5迁移学习
9.3 初识AlphaFold2框架
2.5 MobileNetV2解析
1.4 相关矩阵
7.12 FaceNet人脸识别模型
2.5 TCP控制头解析
7.8 人脸识别模型训练
3.14 正则化
3.15 Mini-Batch梯度下降
3.10 梯度下降
2.22 模型评估
9.9 小结
2.4 数据包解析
3.5 EfficientDet解析
4.14 Anchor Boxes
1.4 TCP
1.1 数据集
7.6 人脸数据采集
7.1 数据集