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.
2021
Enzyme classification and representation using 3D CNNs
AI
CNN
Classification
File in questo prodotto:
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

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/29287