EUR 48,31
  • Tous les prix incluent la TVA.
En stock.
Expédié et vendu par Amazon. Emballage cadeau disponible.
Vous l'avez déjà ?
Repliez vers l'arrière Repliez vers l'avant
Ecoutez Lecture en cours... Interrompu   Vous écoutez un extrait de l'édition audio Audible
En savoir plus
Voir cette image

Protein Secondary Structure Prediction: A Feed-forward Neural Network approach (Anglais) Broché – 14 juillet 2010


Voir les formats et éditions Masquer les autres formats et éditions
Prix Amazon
Neuf à partir de Occasion à partir de
Broché
EUR 48,31
EUR 48,30 EUR 74,27
Note: Cet article est éligible à la livraison en points de collecte. Détails
Récupérer votre colis où vous voulez quand vous voulez.
  • Choisissez parmi 17 000 points de collecte en France
  • Les membres du programme Amazon Prime bénéficient de livraison gratuites illimitées
Comment commander vers un point de collecte ?
  1. Trouvez votre point de collecte et ajoutez-le à votre carnet d’adresses
  2. Sélectionnez cette adresse lors de votre commande
Plus d’informations

rentrée scolaire 2017 rentrée scolaire 2017

click to open popover

Offres spéciales et liens associés


Description du produit

Présentation de l'éditeur

Protein secondary structure prediction is a very hot topic in bioinformatics. Predicting protein secondary structure means to find out the portions that contain Helix and Sheet in protein sequence. There are several methods for predicting protein secondary structure. The methods like Genetic Algorithm, Hidden Markov Model and different kinds of Neural Networks are there. Genetic Algorithm mostly deals with protein tertiary structure and sequence alignment, for Hidden Markov Model the accuracy is not good and Neural Network is the most successful for predicting protein secondary structure. So, we used the method named ?Feed Forward Neural Network? and implemented it with JOONE (Java Object Oriented Neural Engine) editor. At first we have classified the 20 protein according to their structure, size and hydrophobic manner. Then we have modeled a new architecture in feed forward network and used those classified proteins as input. Our achieved accuracy of helix prediction is 71% and sheet prediction is 65%. The result shows the improvement over previous works done in this regard. We hope that our work will be a future directive in this arena.

Biographie de l'auteur

B.Sc. in Computer Science and Information Technology (CIT), Islamic University of Technology (IUT), OIC. Mahdi, Lecturer, Dept. of CIT, IUT, OIC. Zunaid, Lecturer, Stamford University, Dept. of CSE, Master Student in Computational Algebra, The University of Western Ontario. Mamun, Master Student in Bio-informatics, University of Manitoba.

B.Sc. in Computer Science and Information Technology (CIT), Islamic University of Technology (IUT), OIC. Mahdi, Lecturer, Dept. of CIT, IUT, OIC. Zunaid, Lecturer, Stamford University, Dept. of CSE, Master Student in Computational Algebra, The University of Western Ontario. Mamun, Master Student in Bio-informatics, University of Manitoba.

B.Sc. in Computer Science and Information Technology (CIT), Islamic University of Technology (IUT), OIC. Mahdi, Lecturer, Dept. of CIT, IUT, OIC. Zunaid, Lecturer, Stamford University, Dept. of CSE, Master Student in Computational Algebra, The University of Western Ontario. Mamun, Master Student in Bio-informatics, University of Manitoba.

Aucun appareil Kindle n'est requis. Téléchargez l'une des applis Kindle gratuites et commencez à lire les livres Kindle sur votre smartphone, tablette ou ordinateur.

  • Apple
  • Android
  • Windows Phone
  • Android

Pour obtenir l'appli gratuite, saisissez votre numéro de téléphone mobile.



Détails sur le produit


Commentaires client

Il n'y a pour l'instant aucun commentaire client.
Partagez votre opinion avec les autres clients
Vous souhaitez découvrir plus de produits ? Consultez cette page pour voir plus : aspirateur puissant sans sac

Où en sont vos commandes ?

Livraison et retours

Besoin d'aide ?