|
알고리즘
1. 설계 알고리즘
2. 최적 분할 탐색 알고리즘
1) 전체 탐색(exhaustive search)
2) 순차 탐색 알고리즘
3) 유전 알고리즘(genetic algorithm)
3. 인식 알고리즘
4. 계산 시간
Ⅴ. 동기 알고리즘
1. 송수신 클럭 동기
2. 망의 실제 지연 측정
3.
|
|
|
유전자의 분석 및 기능 규명
- 뇌손상에 대한 병적 반응과 재생에 관여하는 유전자의 분석과 기능 규명
- 규명된 유전자를 이용한 DNA chip의 개발 및 각종 진단시약의 개발
- 규명된 유전자를 억제 혹은 조절할 수 있는 생명공학 의약품의 개발
|
|
|
유전자 알고리즘(Genetic Algorithm)
자연선택(natural selection)과 자연유전(natural genetics)에 기초한 탐색기법
적자생존(survival of the fittest)의 원리
각 세대별로 부모스트링(parent string)으로부터 자녀스트링(child string)을 형성
GA는 효과적으로 과거의
|
|
|
유전자 알고리즘을 이해하기 위해 필요한 범위 밖의 지식이다.
유전자 알고리즘의 작동 원리를 설명해 보도록 하자.
하나의 정수 매개변수로 한 간단한 함수의 최대값을 찾는 문제이다. 이 예에서의 함수는 포물선으로 31p-p 로 정의되고 p
|
|
|
유전자 알고리즘에서는 ‘돌연변이’를 모델에 특성에 근거한 확률로 표현한다. ‘돌연변이’ 새로운 유전자 형질을 만들어 낸다.
3. 유전자 알고리즘의 장/단점
장점
신경망 이론과는 달리, encoding을 잘 하면 결과를
어느 정도 분석할 수 있
|
|
|
networks)
신경망의 구조
신경망의 종류
역전파망
코호넨 자가구성 지도
자가구성 지도의 학습 과정
유전자 알고리즘(Genetic Algorithm)
생물학 연구 결과
자연 선택 기법
유전자 알고리즘
보로노이 다이어그램
|
|
|
유전자 프로젝트와 데이터베이스
2.2 서열 해석
2.3 기능 예측
2.4 구조적 연구
2.5 신약 연구
2.6 알고리즘의 연구
3. 생물정보의 활용
3.1 유전자 및 단백질 기능 예측
3.2 약물 표적
3.3 유전자• 단백질 발현
3.4 유
|
|
|
동기(1943~1951)
(2) 제2기 : 초기 관심기(1952~1965)
(3) 제3기 : 침체기(1966~1974)
(4) 제4기 : 활성기(1975~1988)
(5) 제5기 : 융성기(1989~현재)
3. 인공지능의 응용분야
(1) 신경망(Neural Networks, NN)
(2) 유전자 알고리즘(Genetic Algorithms, GA)
(3) 퍼지이
|
|
|
특정 단어 [ A~ Z ] [ ex) TOBEORNOTOBE ] 를 GA 알고리즘 [ 유전 알고리즘 ]을 사용해서
찾는 방식을 JAVA를 사용해서 만들어 봤습니다.
GA 알고리즘이란 부모 [ 아빠 , 엄마 ] 를 결정하고 유전자 [ 자식 ] 들을 만들어서
적합도 테스트를 한후 정답
|
|
|
coding]
4) DBC[Dictionary Based Coding]
5) D C T [손실 코딩;discrete cosine transform]
Ⅶ. 셀기반의 셀추출 알고리즘
1. 개요
2. 셀 추출 알고리즘의 해석적 성능 모델
1) 동기 유지 시간
2) 동기 획득 시간
Ⅷ. 제안한 모양분해 알고리즘
참고문헌
|
|
메뉴펼치기
