prikaz prve stranice dokumenta Model dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION
Rad nije dostupan
diplomski rad
Model dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. urn:nbn:hr:168:308213
Ratković, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Ratković, M. (2017). Model dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:308213

Ratković, Marko. "Model dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. https://urn.nsk.hr/urn:nbn:hr:168:308213

Ratković, Marko. "Model dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2017. https://urn.nsk.hr/urn:nbn:hr:168:308213

Ratković, M. (2017). 'Model dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:308213

Ratković M. Model dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2017 [pristupljeno 26.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:308213

M. Ratković, "Model dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2017. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:308213

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:308213
Podaci o radu
NaslovModel dubokog učenja za određivanje očitanih baza dobivenih uređajem za sekvenciranje MinION
Naslov (engleski)Deep Learning Model for Base Calling of MinION Nanopore Reads
AutorMarko Ratković
MentorMile Šikić (mentor)
Član povjerenstvaMile Šikić (predsjednik povjerenstva)
Član povjerenstvaMarko Subašić (član povjerenstva)
Član povjerenstvaKrešimir Križanović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2017-07-10, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Uređaji za sekvenciranje MinION tvrtke Oxford Nanopore Technologies su pristupačni i prenosivi što ih čini pogodnim za razne primjene. Uređaj omogućuje sekvenciranje očitanja velikih duljina ali većeg postotka greške u odnosu na prethodne tehnologije. Cilj ovog diplomskog rada je pokazati da trenutna pogreška nije uzrokovana isključivo metodom sekvenciranja, već i programskim alatima koji se koriste za očitavanje baza te je pogrešku moguće smanjiti korištenjem metoda dubokog učenja. Predstavljen je novi alat za očitavanje baza temeljen na konvolucijskim neuronski mrežama koji pruža napredak u preciznosti i brzini u odnosu na trenutno korištene rekurzivne neuronske mrežama. U radu je dana detaljna analiza razvijenog alata i usporedba s postojećim rješenjima za određivanje očitanih baza.
Sažetak (engleski)
MinION by Oxford Nanopore Technologie is affordable and portable sequencing device suitable for various applications. The device produces very long reads, however, it suffers from high sequencing error rate. The goal of this thesis is to show that the reported accuracy of the sequencing data is not only limited by sequencing technology, but also by the current software tools used for base calling and can be further improved by using different deep learning concepts. Approach for base calling of raw data using convolutional neural networks is proposed as an alternative to recurrent neural networks used by other basecallers offering improvements both in speed and accuracy. A detailed comparison of the developed tool with the existing tools for base calling R9 data is given.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:308213
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 pohrane2019-03-14 00:23:03