Le reti neurali convoluzionali sono delle reti artificiali che attualmente rappresentano uno dei pi`u usati algoritmi di deep learning nel campo della computer vision. Tramite la combinazione di filtri convoluzionali, operazioni di pooling e livelli totalmente connessi sono in grado di imitare al meglio l’organizzazione di una corteccia celebrale reale. Come quest’ultima infatti vengono estratte le caratteristiche importanti dall’immagine, semplificando il lavoro per l’ultima parte della rete che deve poi compiere il vero ragionamento. Questo documento presenta un’analisi della rete EnzyNet, una rete che tramite l’uso di CNN tridimensionali classifica vari enzimi, spesso molto diversi tra loro, nelle 6 classi enzimatiche standard, utilizzando un’immagine a bassa risoluzione della loro “backbone” ovvero la struttura semplificata dei loro atomi e relative posizioni nello spazio.
Classificazione e rappresentazione di enzimi tramite 3D CNN
BRUGNERA, ALESSANDRO
2021/2022
Abstract
Le reti neurali convoluzionali sono delle reti artificiali che attualmente rappresentano uno dei pi`u usati algoritmi di deep learning nel campo della computer vision. Tramite la combinazione di filtri convoluzionali, operazioni di pooling e livelli totalmente connessi sono in grado di imitare al meglio l’organizzazione di una corteccia celebrale reale. Come quest’ultima infatti vengono estratte le caratteristiche importanti dall’immagine, semplificando il lavoro per l’ultima parte della rete che deve poi compiere il vero ragionamento. Questo documento presenta un’analisi della rete EnzyNet, una rete che tramite l’uso di CNN tridimensionali classifica vari enzimi, spesso molto diversi tra loro, nelle 6 classi enzimatiche standard, utilizzando un’immagine a bassa risoluzione della loro “backbone” ovvero la struttura semplificata dei loro atomi e relative posizioni nello spazio.File | Dimensione | Formato | |
---|---|---|---|
Brugnera_Alessandro.pdf
accesso aperto
Dimensione
2.18 MB
Formato
Adobe PDF
|
2.18 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/29287