بهبود تخصیصاعتبار قوانین در سیستم دستهبندیادگیر با یادگیری تقویتی مارکوف برای پیشبینی ساختار دوم پروتئین
نویسندگان
1 استادیار گروه مهندسی کامپیوتر، واحد مرودشت، دانشگاه آزاد اسلامی، مرودشت، ایران.
2 دانشجوی دکتری مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران.
3 استادیار گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران
doi
10.22034/abmir.2023.19690.1021چکیده
این پژوهش برای افزایش دقت تخصیص اعتبار قوانین در سیستم دسته بند یادگیر با استفاده از یادگیری تقویتی مارکوف جهت پیش بینی ساختار دوم پروتئین است که یادگیری تقویتی مارکوف در سیستم دسته بند یادگیر، جایگزین الگوریتم Bucket Brigade شده است. برای آموزش سیستم از مجموعه دادگان Protein Data Bank استفاده میشود که شامل پروتئین 4L1W با تعداد نمونه 5741 است که 70 درصد برای آموزش و 30 درصد جهت آزمایش استفاده شده است. پس از آموزش سیستم، تعدادی دسته بند(قوانین) باارزش، تولید میشود که در مرحله آزمایش از این قوانین برای پیش بینی ساختار دوم پروتئین استفاده خواهد شد. نتایج آزمایشها نشان میدهد دقت سیستم دسته بند یادگیر با یادگیری تقویتی مارکوف در نوع ساده و توسعه یافته آن، افزایش یافته است. با استفاده از یادگیری تقویتی مارکوف، ارزشگذاری به هر قانون بهبود داده میشود، به گونهای که دقت سیستم دستهبند ساده %82.5 و سیستم دستهبند توسعه یافته %85 بهبود یافته است.
