生物信息學中RNA結構預測演算法與複雜性 劉振棟 9787030781727 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$878
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為正確資訊。 印行年月：202402*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：生物信息學中RNA結構預測演算法與複雜性 ISBN：9787030781727 出版社：科學 著編譯者：劉振棟 頁數：230 所在地：中國大陸 *此為代購商品 書號：1632629 可大量預訂，請先連絡。 內容簡介 本書介紹RNA結構特徵，特別是RNA三級結構特徵、構象採樣表示模型、Rosetta框架、細胞反卷積演算法、轉錄因子結合位點預測演算法、特異性位點預測演算法等內容；研究RNA三級結構預測演算法與複雜性，構象採樣和打分函數的構建，基於轉錄組測序技術的細胞反卷積演算法，轉錄因子結合位點預測演算法，DNA特異性位點預測演算法等；研究Rosetta框架下基於枚舉採樣和隨機抽樣方案的RNA三級結構預測演算法及其複雜性，基於卷積神經網路的自動預測組織細胞比例演算法，基於組合特徵編碼和帶權多粒度掃描策略的轉錄因子結合位點預測演算法，基於特徵度量機制和組合優化策略的DNA特異性位點預測演算法等內容。 本書可作為生物信息學、計算生物學、計算機、自動化、人工智慧等相關專業高等院校本科生及研究生的參考用書，也可作為相關領域學者及興趣愛好者的參考用書。目錄 前言第1章 概述 1 1 背景 1 2 研究現狀 1 3 演算法與計算複雜性 1 4 NPC類問題 1 5 NP難問題與近似演算法 參考文獻 第2章 RNA結構與模型 2 1 RNA簡介 2 1 1 RNA基本知識 2 1 2 RNA三級結構 2 2 Rosetta框架簡介 2 2 1 Rosetta框架 2 2 2 蒙特卡羅採樣 2 2 3 打分函數 2 3 機器學習簡介 2 3 1 機器學習與深度學習 2 3 2 卷積神經網路 2 3 3 三維卷積神經網路 2 3 4 基於ResNet的三維卷積神經網路 第3章 RNA三級結構預測演算法 3 1 基於知識的RNA三級結構預測演算法 3 2 基於物理的RNA三級結構預測演算法 3 2 1 基於物理片段組裝的RNA三級結構預測演算法 3 2 2 基於隨機採樣方案的RNA三級結構預測演算法 3 3 RNA三級結構預測演算法分析 第4章 基於隨機採樣策略的RNA三級結構預測演算法 4 1 引言 4 2 SMCP演算法設計與實現 4 2 1 演算法設計 4 2 2 演算法描述 4 2 3 演算法實現 4 3 演算法複雜性分析 4 4 實驗結果 4 4 1 SMCP演算法的高效實施 4 4 2 SMCP演算法建模複雜RNA模體 4 4 3 SMCP演算法的嚴格測試 第5章 基於3DResNet的RNA三級結構預測演算法 5 1 引言 5 2 Res3DScore演算法設計與實現 5 2 1 演算法設計 5 2 2 演算法描述 5 2 3 演算法實現 5 3 實驗結果 第6章 基於卷積神經網路的細胞反卷積預測演算法 6 1 引言 6 2 Autoptcr演算法設計與實現 6 2 1 演算法描述 6 2 2 演算法實現 6 2 3 參數設置 6 2 4 訓練方式 6 3 實驗分析 6 3 1 數據集 6 3 2 評價標準 6 3 3 演算法與其他方法比較 第7章 基於卷積自編碼器的細胞反卷積預測演算法 7 1 引言 7 1 1 研究難點 7 1 2 相關領域研究現狀 7 1 3 主要研究工作 7 2 測序技術 7 2 1 基因晶元 7 2 2 測序數據標準化 7 3 細胞組分分析演算法 7 3 1 基於實驗的演算法 7 3 2 基於計算的演算法 7 4 Aptcr演算法 7 4 1 Aptcr演算法的設計與實現 7 4 2 實驗分析 7 5 基於卷積自編碼器的細胞反卷積演算法 7 5 1 概述 7 5 2 Cdaca演算法的設計與實現 7 5 3 實驗分析 參考文獻 第8章 基於帶權多粒度掃描的轉錄因子結合位點預測演算法 8 1 研究背景與意義 8 2 國內外研究現狀 8 2 1 基於序列計算的預測演算法 8 2 2 基於機器學習的預測演算法 8 3 研究內容 8 4 轉錄因子結合位點簡介 8 4 1 基因表達與轉錄調控 8 4 2 轉錄因子 8 4 3 轉錄因子結合位點及其預測 8 5 傳統機器學習簡介 8 5 1 傳統機器學習基本知識 8 5 2 決策樹與隨機森林 8 5 3 深度森林 8 6 深度學習簡介 8 6 1 CNN 8 6 2 注意力機制 8 6 3 RNN 8 7 轉錄因子結合位點預測演算法 8 7 1 WMS_TF演算法的設計與實現 8 7 2 實驗結果及分析 參考文獻 第9章 基於注意力機制的轉錄因子結合位點預測演算法 9 1 引言 9 2 LAM_TF演算法設計與實現 9 2 1 演算法設計 9 2 2 演算法描述 9 2 3 評價指標 9 3 實驗結果及分析 9 3 1 實驗設置 9 3 2 實驗分析 9 3 3 LAM_TF演算法基準測試 第10章 基於特徵度量機制attC位點預測演算法 10 1 研究背景及意義 10 2 國內外研究現狀 10 2 1 基於機器學習的預測技術 10 2 2 基於深度學習的預測技術 10 3 主要研究內容 10 4 DNA特異性位點簡介 10 4 1 DNA重組位點 10 4 2 DNA甲基化位點 10 4 3 DNA特異性位點預測 10 5 機器學習簡介 10 6 深度學習簡介 10 7 FMCO演算法的設計與實現 10 7 1 演算法設計 10 7 2 演算法描述 10 7 3 評價指標 10 7 4 實驗結果 參考文獻 第11章 基於特徵融合策略的4mC位點預測演算法 11 1 引言 11 2 FFCNN演算法的設計與實現 11 2 1 演算法設計 11 2 2 演算法描述 11 2 3 評價指標 11 3 實驗結果 11 3 1 實驗設置 11 3 2 消融實驗 11 3 3 組合特徵編碼實驗 11 3 4 FFCNN演算法基準測試 第12章 基於進階模型的RNA結構預測演算法 12 1 引言 12 2 研究內容 12 3 研究目標 12 4 關鍵科學問題 12 5 研究方法與技術路線 12 6 關鍵技術 第13章 RNA結構預測總結與展望 13 1 總結 13 2 展望 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
