دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: کنفرانس ها و همایش های بین المللی ویرایش: 1 نویسندگان: J. C. Rajapakse, L. Wong, R. Acharya (auth.), Jagath C. Rajapakse, Limsoon Wong, Raj Acharya (eds.) سری: Lecture Notes in Computer Science 4146 ISBN (شابک) : 3540374469, 9783540374466 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2006 تعداد صفحات: 196 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 5 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب شناخت الگوی در بیوانفورماتیک: کارگاه بین المللی، PRIB 2006، هنگ کنگ، چین، 20 اوت 2006. پرونده ها: مدیریت پایگاه داده، هوش مصنوعی (شامل رباتیک)، ذخیره و بازیابی اطلاعات، بیوانفورماتیک، احتمالات و آمار در علوم کامپیوتر، انفورماتیک سلامت
در صورت تبدیل فایل کتاب Pattern Recognition in Bioinformatics: International Workshop, PRIB 2006, Hong Kong, China, August 20, 2006. Proceedings به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شناخت الگوی در بیوانفورماتیک: کارگاه بین المللی، PRIB 2006، هنگ کنگ، چین، 20 اوت 2006. پرونده ها نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
زمینه بیوانفورماتیک دو هدف اصلی دارد: ایجاد و نگهداری پایگاههای اطلاعاتی بیولوژیکی، و کشف دانش از دادههای علوم زیستی به منظور کشف رازهای عملکرد بیولوژیکی، که منجر به داروها و درمانهای جدید برای بیماریهای انسانی میشود. دادههای علوم زیستی به شکل توالیهای بیولوژیکی، ساختارها، مسیرها یا ادبیات ارائه میشوند. یکی از جنبههای اصلی کشف دانش بیولوژیکی، جستجو، پیشبینی یا مدلسازی الگوهای خاصی از یک مجموعه داده معین است که با یک پدیده بیولوژیکی مهم یا مجموعه داده دیگری ارتباط دارند. تا به امروز، بسیاری از الگوریتمهای تشخیص الگو برای رسیدگی به طیف گستردهای از مشکلات بیوانفورماتیک به کار گرفته شدهاند. کارگاه 2006 بیوانفورماتیک در تشخیص الگو (PRIB 2006) آغاز مجموعه ای از کارگاه های آموزشی است که با هدف گردآوری محققانی که از الگوریتم های تشخیص الگو در تلاش برای حل مشکلات در زیست شناسی محاسباتی و بیوانفورماتیک استفاده می کنند، است. این جلد مجموعه مقالات کارگاه PRIB 2006 که در هنگ کنگ، چین، در 20 اوت 2006 برگزار شد، ارائه میکند. شامل 19 مشارکت فنی است که توسط کمیته برنامه از 43 مورد ارسالی انتخاب شدهاند. ما در مقاله اول مقدمه ای کوتاه برای تشخیص الگو در بیوانفورماتیک ارائه می دهیم. بقیه جلد از سه قسمت تشکیل شده است. بخش 1: تشخیص سیگنال و موتیف، و انتخاب ژن. بخش 2: مدلهای ساختارهای DNA، RNA و پروتئین. بخش 3: پایگاه داده های بیولوژیکی و تصویربرداری.
The field of bioinformatics has two main objectives: the creation and maintenance of biological databases, and the discovery of knowledge from life sciences data in order to unravel the mysteries of biological function, leading to new drugs and therapies for human disease. Life sciences data come in the form of biological sequences, structures, pathways, or literature. One major aspect of discovering biological knowledge is to search, predict, or model specific patterns of a given dataset, which have some relevance to an important biological phenomenon or another dataset. To date, many pattern recognition algorithms have been applied or catered to address a wide range of bioinformatics problems. The 2006 Workshop of Bioinformatics in Pattern Recognition (PRIB 2006) marks the beginning of a series of workshops that is aimed at gathering researchers applying pattern recognition algorithms in an attempt to resolve problems in computational biology and bioinformatics. This volume presents the proceedings of Workshop PRIB 2006 held in Hong Kong, China, on August 20, 2006. It includes 19 technical contributions that were selected by the Program Committee from 43 submissions. We give a brief introduction to pattern recognition in bioinformatics in the first paper. The rest of the volume consists of three parts. Part 1: signal and motif detection, and gene selection. Part 2: models of DNA, RNA, and protein structures. Part 3: biological databases and imaging.
Front Matter....Pages -
Pattern Recognition in Bioinformatics: An Introduction....Pages 1-3
Machine Learning Prediction of Amino Acid Patterns in Protein N-myristoylation....Pages 4-14
A Profile HMM for Recognition of Hormone Response Elements....Pages 15-22
Graphical Approach to Weak Motif Recognition in Noisy Data Sets....Pages 23-31
Comparative Gene Prediction Based on Gene Structure Conservation....Pages 32-41
Computational Identification of Short Initial Exons....Pages 42-48
Pareto-Gamma Statistic Reveals Global Rescaling in Transcriptomes of Low and High Aggressive Breast Cancer Phenotypes....Pages 49-59
Investigating the Class-Specific Relevance of Predictor Sets Obtained from DDP-Based Feature Selection Technique....Pages 60-70
A New Maximum-Relevance Criterion for Significant Gene Selection....Pages 71-80
Spectral Graph Partitioning Analysis of In Vitro Synthesized RNA Structural Folding....Pages 81-92
Predicting Secondary Structure of All-Helical Proteins Using Hidden Markov Support Vector Machines....Pages 93-104
Prediction of Protein Subcellular Localizations Using Moment Descriptors and Support Vector Machine....Pages 105-114
Using Permutation Patterns for Content-Based Phylogeny....Pages 115-125
The Immune Epitope Database and Analysis Resource....Pages 126-132
Intelligent Extraction Versus Advanced Query: Recognize Transcription Factors from Databases....Pages 133-139
Incremental Maintenance of Biological Databases Using Association Rule Mining....Pages 140-150
Blind Separation of Multichannel Biomedical Image Patterns by Non-negative Least-Correlated Component Analysis....Pages 151-162
Image and Fractal Information Processing for Large-Scale Chemoinformatics, Genomics Analyses and Pattern Discovery....Pages 163-173
Hybridization of Independent Component Analysis, Rough Sets, and Multi-Objective Evolutionary Algorithms for Classificatory Decomposition of Cortical Evoked Potentials....Pages 174-183
Back Matter....Pages -