Detalhes bibliográficos
| Ano de defesa: |
2007 |
| Autor(a) principal: |
Almeida, Ígor Lorenzato |
| Orientador(a): |
Cechin, Adelmo Luis |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade do Vale do Rio do Sinos
|
| Programa de Pós-Graduação: |
Programa de Pós-Graduação em Computação Aplicada
|
| Departamento: |
Escola Politécnica
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Área do conhecimento CNPq: |
|
| Link de acesso: |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/2231
|
Resumo: |
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 |
