Wpływ opisu danych na efektywność uczenia oraz pracy sztucznej sieci neuronowej na przykładzie identyfikacji białek

Abstrakt

Uczenie jednokierunkowych wielowarstwowych sztucznych sieci neuronowych jest zagadnieniem szeroko omawianym w literaturze. Autorzy większości opracowań skupiają się na metodach uczenia, zdecydowanie mniej prac poświęconych jest wpływowi preprocesingu danych na uczenie i efektywność pracy sieci. Skoro uczenie sztucznych sieci neuronowych jest szukaniem funkcji odwzorowującej zbiór danych wejściowych w zbiór oczekiwanych odpowiedzi, to czego możemy oczekiwać, jeżeli zmienimy opis danych uczących? Zmienia się funkcja odwzorowująca, a więc szukamy innej funkcji, zatem jest możliwe, iż sposób kodowania danych wpływa na efektywność uczenia i pracy sieci. Niniejsza praca dotyka przedstawione zagadnienie badając wpływ sposobu zakodowania opisu białek na efektywność uczenia oraz pracy sieci neuronowej identyfikującej rodzaj białka