Auto-Encoding Amino Acid Sequences with LSTM – Markus PROMBERGER
Markus PROMBERGER
Bachelor's thesis
Auto-Encoding Amino Acid Sequences with LSTM
Auto-Encoding Amino Acid Sequences with LSTM
Abstract:
In this thesis a sequence to sequence autoencoder for amino acid sequences is constructed. The latent representation of the autoencoder is then used to classify the amino acid sequences according to their animal kingdom. The data consists of sequences from three different kingdoms, mammals, fish and birds. The thesis includes the preprocessing necessary for the data, the construction of the sequence …viacAbstract:
In this thesis a sequence to sequence autoencoder for amino acid sequences is constructed. The latent representation of the autoencoder is then used to classify the amino acid sequences according to their animal kingdom. The data consists of sequences from three different kingdoms, mammals, fish and birds. The thesis includes the preprocessing necessary for the data, the construction of the sequence …viac
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 8. 3. 2022
Obhajoba závěrečné práce
- Vedúci: prof. Dr. Sepp Hochreiter
Citační záznam
Jak správně citovat práci
PROMBERGER, Markus. Auto-Encoding Amino Acid Sequences with LSTM. České Budějovice, 2022. bakalářská práce (Bc.). JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH. Přírodovědecká fakulta
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: JIHOČESKÁ UNIVERZITA V ČESKÝCH BUDĚJOVICÍCH, Přírodovědecká fakultaUNIVERSITY OF SOUTH BOHEMIA IN ČESKÉ BUDĚJOVICE
Faculty of ScienceBachelor programme / odbor:
Applied Informatics / Bioinformatics
Práce na příbuzné téma
-
Rozpoznávání řeči pomocí neuronových sítí s navazujícím sequence-to-sequence modelem
Matěj ŠULC -
Sequence Stratigraphic Framework and Hydrocarbon Potential of Stylolite Distribution in Upper Cretaceous Kometan Formation, Western Zagros, Iraqi Kurdistan
Hussein HUSSEIN -
Effects of hyperparameters in multiple sequence alignment for Align-RUDDER using Clustal
Christian SAMWALD -
Multiple sequence alignment pomocí dynamického programování
Martin Rusek -
Influence of Clustal W hyperparameters in multiple sequences alignment for AlignRUDDER
Marlene GANZ -
Explaining convolutional neural network using clustering methods
Adam Bajger -
Extension of clustering analysis tool for cybersecurity exercises
Tomáš Ondruško -
Comparison of methods for clustering convolutional neural network intercomputation values with respect to explainability
Adrián Bindas
Názov
Vložil
Vložené
Práva
Složky
Soubory
Bulánová, L.
11. 3. 2022