学位专题

封面
声明
中文摘要
英文摘要
目录
第一章绪论
1.1 选题背景与意义
1.2 二维紫外光谱技术介绍
1.2.1 蛋白质的紫外吸收
1.2.2 蛋白质二维紫外光谱的理论模拟
1.2.3 2DUV光谱模拟方法
1.3 国内外研究现状
1.3.1 二维紫外光谱技术在蛋白质结构研究中的应用
1.3.2 机器学习技术在蛋白质研究中的应用
1.4 课题的研究内容与特色
1.4.1 研究内容
1.4.2 创新点
第二章机器学习基本理论
2.1 机器学习
2.1.1 机器学习技术简介
2.1.2 机器学习任务分类
2.1.3 本文用到的机器学习算法简介
2.2 基于神经网络的机器学习算法
2.2.1 神经元与前馈神经网络
2.2.2 梯度下降
2.2.3 反向传播
第三章基于卷积神经网络的2DUV光谱-结构识别模型
3.1 引言
3.2 模型与研究方法
3.2.1 理论计算过程及细节
3.2.2 模型构建过程及细节
3.3 结果与讨论
3.3.1 蛋白质二级结构的光谱特征
3.3.2 CNN模型的可解释性
3.3.3 CNN模型的训练结果
3.3.4 CNN模型与其他机器学习模型的比较
3.3.5 模型的线上部署
3.4 本章小结
第四章基于非监督学习的2DUV光谱模式研究
4.1 引言
4.2 模型与研究方法
4.2.1 k-means聚类算法
4.2.2 最佳聚类数的优化
4.2.3 随机森林算法
4.3 结果与讨论
4.3.1 两个光谱数据集的聚类结果分析
4.3.2 α-helix片段周围环境的量化
4.3.3 探究片段聚类结果与化学环境特征的关联
4.3.4 片段结构特征的重要性分析
4.4 本章小结
第五章总结与展望
参考文献
附录
攻读硕士学位期间取得的学术成果
致谢