Diplomová práce

Metody aproximativní identifikace vlastností booleovských sítí

Methods for approximative identification of Boolean networks

RNDr. Jaroslav Bayer, učo 72873
Anotace

Hlavním tématem diplomové práce je identifikace strukturních vlastností grafu sítě, tvorba náhodných booleovských sítí, podpora ověřování jejich vlastností specifikovaných pomocí LTL a CTL formulí a aproximativního odhadu těchto vlastností pomocí strukturních vlastností dané sítě metodami strojového učení. Potenciálně tyto metody umožňují rychle a efektivně odhadnout zajímavé chování či vlastnosti sítě bez nutnosti nasazení přesných, ale výpočetně náročných metod typu model checking.

Abstract

The main goal of the diploma thesis is the identification of the graph structural features, random boolean network generation, CTL and LTL formula verification using model checking methods and the approximate techniques how to estimate these features using machine learning approaches applied on the data about the underlying graph structure. The main idea is to quickly estimate an interesting behaviour …více

Klíčová slova
GRN strojové učení NuSMV GIMsim boolsim Weka strukturní vlastnosti grafu Booleovské sítě
Zadání práce

Předmětem diplomové práce je studium přístupů umožňujících aproximativní odhad vlastností genových regulačních sítí (GRN) modelovaných pomocí booleovských sítí (BNs) či jejich restriktivních podob, např. s nejvyšším stupněm vrcholu 2 apod.

Student se stručně seznámí s problematikou modelování GRN pomocí BN a možnostmi formální verifikace temporálních vlastností těchto sítí. Dále student sestaví rešerši přístupů aproximativní detekce těchto vlastností s důrazem na využití struktury sítě. Speciální pozornost student věnuje možnostem využití přístupů strojového učení.

V praktické části práce student vygeneruje vzorky náhodných BNs, specifikuje zajímavé temporální vlastnosti sítě, které formální cestou (model checking) na vygenerovaných BNs potvrdí či vyvrátí. Ze sítí zkonstruuje jejich strukturní vlastnosti (feature construction) a aplikací metod strojového učení sestaví klasifikátory BNs do množiny temporálních vlastností. Výsledky užitých metod strojového učení student v textové části práce porovná, zhodnotí a navrhne příp. další postup.

Administrativní informace
Práce zkontrolována:
24. 5. 2018 10:16, doc. RNDr. David Šafránek, Ph.D., učo 3159
Plný text práce
381,8 KB / soubor PDF
Přílohy (1)
Jazyk práce
čeština čeština
Termín obhajoby
21. 6. 2018
Práce byla úspěšně obhájena

Vedoucí

doc. RNDr. David Šafránek, Ph.D., učo 3159
KSUZD FI MU

Oponent

RNDr. Matej Troják, Ph.D., učo 410129
KTP FI MU

Literatura

  • KLARNER, Hannes; Adam STRECK; David ŠAFRÁNEK; Juraj KOLČÁK a Heike SIEBERT. Parameter Identification and Model Ranking of Thomas Networks. In Computational Methods in Systems Biology: 10th International Conference, CMSB 2012, London, UK, October 3-5, 2012. Proceedings. Berlin: Springer, 2012, s. 207-226. ISBN 978-3-642-33635-5. Dostupné z: https://doi.org/10.1007/978-3-642-33636-2_13.
  • STRECK, Adam; Juraj KOLČÁK; Heike SIEBERT a David ŠAFRÁNEK. Esther: Introducing an Online Platform for Parameter Identification of Boolean Networks. In A. Gupta. Computational Methods in Systems Biology 11th International Conference, CMSB 2013, Klosterneuburg, Austria, September 22-24, 2013, Proceedings. Heidelberg: Springer, 2013, s. 257-258. ISBN 978-3-642-40707-9.
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Aplikovaná informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.