بهبود تخصیص اعتبار قوانین در سیستم دسته بندیادگیر با یادگیری تقویتی مارکوف برای پیش بینی ساختار دوم پروتئین

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 می شود که شامل پروتئین ۴L۱W با تعداد نمونه ۵۷۴۱ است که ۷۰ درصد برای آموزش و ۳۰ درصد جهت آزمایش استفاده شده است. پس از آموزش سیستم، تعدادی دسته بند(قوانین) باارزش، تولید می شود که در مرحله آزمایش از این قوانین برای پیش بینی ساختار دوم پروتئین استفاده خواهد شد. نتایج آزمایش ها نشان می دهد 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، ارزش گذاری به هر قانون بهبود داده می شود، به گونه ای که دقت سیستم دسته بند ساده %۸۲.۵ و سیستم دسته بند توسعه یافته %۸۵ بهبود یافته است.

کلیدواژه ها:

بیوانفورماتیک ، ساختار دوم پروتئین ، سیستم دسته بند یادگیر ، یادگیری تقویتی مارکوف