prikaz prve stranice dokumenta Određivanje podtipova virusa korištenjem modela dubokog učenja
Rad nije dostupan
diplomski rad
Određivanje podtipova virusa korištenjem modela dubokog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:657047
Martinović, Jana
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Martinović, J. (2023). Određivanje podtipova virusa korištenjem modela dubokog učenja (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:657047

Martinović, Jana. "Određivanje podtipova virusa korištenjem modela dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:657047

Martinović, Jana. "Određivanje podtipova virusa korištenjem modela dubokog učenja." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:657047

Martinović, J. (2023). 'Određivanje podtipova virusa korištenjem modela dubokog učenja', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:657047

Martinović J. Određivanje podtipova virusa korištenjem modela dubokog učenja [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 26.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:657047

J. Martinović, "Određivanje podtipova virusa korištenjem modela dubokog učenja", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:657047

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:657047
Podaci o radu
NaslovOdređivanje podtipova virusa korištenjem modela dubokog učenja
Naslov (engleski)Deep learning-based detection of viral subtypes
AutorJana Martinović
MentorMirjana Domazet-Lošo (mentor)
Član povjerenstvaMirjana Domazet-Lošo (predsjednik povjerenstva)
Član povjerenstvaTomislav Jagušt (član povjerenstva)
Član povjerenstvaDanijel Mlinarić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-07-03, Hrvatska
Sažetak
Rješavanje problema detekcije podtipova virusa omogućilo bi lakšu analizu genomskih sljedova virusa, kao i pronalazak epidemioloških i geografskih poveznica između pacijenata te bi potencijalno olakšalo osmišljavanje terapije prilagođene za infekciju pojedinim podtipom. Trenutno se detekcija podtipova virusa provodi algoritmima strojnog učenja poput skrivenih Markovljevih lanaca ili raznih algoritama grupiranja. U ovom radu iskorištena je arhitektura dubokog učenja transformer, koja se pokazala iznimno uspješnom u području obrade prirodnog jezika. Arhitektura transformer je proširena na način da neovisno trenira pojedine podnizove ulaznoga slijeda, što dodatno omogućuje i detekciju rekombinanata virusa. Dobiveni rezultati se nisu pokazali boljim od već postojećih rješenja, ali demonstriraju velik potencijal primjene transformera za rješavanje ovog problema.
Sažetak (engleski)
Solving the problem of virus subtype detection would enable easier analysis of viral genomic sequences, as well as the discovery of epidemiological and geographical links between patients. It also has the potential to develop therapies for specific subtype infections easier. Currently, virus subtype detection is performed using machine learning algorithms such as hidden Markov models or various clustering algorithms. In this study, the transformer architecture, which has shown exceptional success in the field of natural language processing, was used. The transformer architecture was extended to independently train individual subsequences of the input sequence, which enables the detection of viral recombinants. The obtained results were not better than the existing solutions, but they demonstrate the great potential for solving this problem.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:657047
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-07-13 10:20:16