Made available in DSpace on 2015-03-05T13:57:00Z (GMT). No. of bitstreams: 0
Previous issue date: 28 / Nenhuma / Microarranjos têm sido fortemente usados para monitorar, somultaneamente, o padrão de expressão de milhares de genes. Assim, uma grande quantidade de dados tem sido gerada e o desafio atual é descobrir como extrair informações úteis destes conjuntos de dados. Dados de Microarranjos são fortemente especializados, envolvendo diversas variáveis de forma não linear e temporal, necessitando de modelos recorrentes não lineares, os quais são complexos para formular e analisar. Este trabalho propõe a utilização de Redes Nunes Recorrentes (RNR) como modelo para os dados devido às suas habilidades de aprendizado de sistemas nâo-lineares e complexos. Uma vez obtido um modelo para os dados utilizando uma RNR, é possível extrair regras que representam as características aprendidas. Analisando as regras em conjunto com a base de dados, propõe-se a representação do conhecimento utilizando Cadeias de Markov. Tais Cadeias são facilmente visualizadas, na forma de grafos de estados, apresentando as interações entre os níveis de / Array technologies have made it strainghtforward to simultaneously monitor the expression pattern of thousands of genes. Thus, a lot fot data is being generated and the challenge now is to discover how to extract useful information from these data sets. Microarray data is highly specialized. It involves several variables in a nonlinear and temporal way, demanding nonlinear recurrent free models, which are complex to formulate and to analyse. So, this work proposes the use of Rucurrent Neural Networks(RNN) for data modeling, due to their learning hability of nonlinear and complex systems. Once a model is obtained with a RNN for the data, it is possible to extract rules to represent the knowledge acquired by them. From rule analisys, this work proposes the representation of the knowledge by Markov Chains model, which is easily visualized in the form of a graph of states, which show the interactions among the gene expression levels and their changes in time. In this work, we propose a new approach to microarra
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.jesuita.org.br:UNISINOS/2231 |
| Date | 28 February 2007 |
| Creators | Almeida, Ígor Lorenzato |
| Contributors | http://lattes.cnpq.br/6026974071792846, Cechin, Adelmo Luis |
| Publisher | Universidade do Vale do Rio do Sinos, Programa de Pós-Graduação em Computação Aplicada, UNISINOS, Brasil, Escola Politécnica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UNISINOS, instname:Universidade do Vale do Rio dos Sinos, instacron:UNISINOS |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0025 seconds