|
유전자 알고리즘의 특징
2. 유전자 알고리즘의 수행절차
1) 개체집단 초기화
2) 개체선택
3) 교배연산(crossover)
4) 돌연변이(mutation)
5) 새로운 세대로 진화
3. 제약조건처리방법
1) 벌점함수(Penalty Function)
2) 복구알고리즘(Repair Algorithm)
3) GENO
|
|
|
유전자 알고리즘(Genetic Algorithm)
자연선택(natural selection)과 자연유전(natural genetics)에 기초한 탐색기법
적자생존(survival of the fittest)의 원리
각 세대별로 부모스트링(parent string)으로부터 자녀스트링(child string)을 형성
GA는 효과적으로 과거의
|
|
|
유전자 알고리즘에서는 ‘돌연변이’를 모델에 특성에 근거한 확률로 표현한다. ‘돌연변이’ 새로운 유전자 형질을 만들어 낸다.
3. 유전자 알고리즘의 장/단점
장점
신경망 이론과는 달리, encoding을 잘 하면 결과를
어느 정도 분석할 수 있
|
|
|
networks)
신경망의 구조
신경망의 종류
역전파망
코호넨 자가구성 지도
자가구성 지도의 학습 과정
유전자 알고리즘(Genetic Algorithm)
생물학 연구 결과
자연 선택 기법
유전자 알고리즘
보로노이 다이어그램
|
|
|
유전자 프로젝트와 데이터베이스
2.2 서열 해석
2.3 기능 예측
2.4 구조적 연구
2.5 신약 연구
2.6 알고리즘의 연구
3. 생물정보의 활용
3.1 유전자 및 단백질 기능 예측
3.2 약물 표적
3.3 유전자• 단백질 발현
3.4 유
|
|
 |
유전자 알고리즘과 지역탐색방법이 혼합된 최적채널할당방법" 이라는 논문을 쓰게 되었습니다.
이제 사회에 첫발을 내딛는 시점에 서 있습니다. 본격적인 디지털 시대에 들어서면서 정보기술은 세계경제를 주도하는 핵심 이슈로 그 중요성
|
|
 |
유전자 편집의 타겟 설정을 최적화하는 알고리즘 개발
3) 기대 효과
본 연구를 통해 AI 기반의 유전체 분석이 기존 연구보다 높은 정확도를 가지며, 질병 진단 및 맞춤형 치료에 실질적으로 기여할 수 있음을 입증하고자 합니다. 특히, 정밀 의
|
|
 |
알고리즘 개발을 통해 생명체의 복잡한 문제를 해결할 수 있다는 점에 큰 매력을 느꼈습니다. 이러한 관심은 다양한 프로젝트와 인턴 경험을 통해 더욱 확고해졌습니다. 연구실에서 진행했던 유전자 분석 프로젝트에서 대량의 유전자 데이터
|
|
|
유전자 변이 해석에 대한 다양한 프로젝트에 참여하였습니다. 이 과정에서 다양한 분석 도구와 알고리즘을 사용하여 데이터를 해석하고, 그 결과를 실험적 증거와 연계하여 해석하는 능력을 기를 수 있었습니다. 특히, 생물정보학적 접근 방
|
|
|
질환 원인 유전자의 정확한 위치와 변이 패턴을 분석하는 것이 중요하며, 인공지능 기반의 예측 알고리즘을 개발하여 편집 효율을 높이고 부작용을 최소화하는 연구가 필요하다고 생각합니다. 또한, 유전체 편집 후 세포 내 면역 반응과 부작
|
|
메뉴펼치기
