ความสามารถในการแยกข้อมูลโดยใช้ระยะแบบยุคลิดและสหสัมพันธ์เพียร์สัน สำหรับโครงข่ายประสาทแบบสไปกิง

Capability of data classification using euclidean distance and Pearson correlation for spiking neural networks

Name: อดิศักดิ์ การบรรจง

ThaSH: ลำดับนิวคลีโอไทด์

ThaSH: นิวรัลเน็ตเวิร์ค (คอมพิวเตอร์)

Abstract: ลำดับดีเอ็นเอที่สกัดมาจากเซลล์ของสิ่งมีชีวิตโดยเครื่องอ่านลำดับดีเอ็นเอ อาจให้ลำดับดีเอ็นเอที่ไม่สมบูรณ์ นั่นคือ มีลำดับดีเอ็นเอบางลำดับเป็นสัญลักษณ์นิวคลีโอไทด์ที่คลุมเครือ ตัวอย่างเช่นสัญลักษณ์ N ที่ปรากฏในลำดับดีเอ็นเอ อาจหมายถึง A หรือ C หรือ G หรือ T งานวิจัยนี้ได้แปลงปัญหาดังกล่าวเป็นปัญหาการรู้จำลำดับนิวคลีโอไทด์ที่ชัดเจนก่อนหน้าสัญลักษณ์ที่คลุมเครือ และใช้โครงข่ายประสาทแบบสไปกิง ซึ่งเป็นโครงข่ายประสาทเทียมที่มีกระบวนการทำงานคล้ายกับระบบประสาทจริงๆ ในสมองของมนุษย์ มาแก้ปัญหานี้ งานวิจัยนี้ได้เสนอวิธีเข้ารหัสข้อมูลจากรูปแบบลำดับนิวคลีโอไทด์เป็นรูปแบบลำดับเวลาที่เกิดสไปค์ เพื่อใช้เป็นข้อมูลนำเข้าสำหรับโครงข่ายประสาทแบบสไปกิง นอกจากนี้เรายังได้ศึกษาวิธีการแบ่งกลุ่มข้อมูล โดยใช้ระยะแบบยุคลิดและสหสัมพันธ์เพียร์สัน จากการทดลองพบว่า โดยเฉลี่ยการแบ่งกลุ่มข้อมูลโดยใช้ระยะแบบสหสัมพันธ์เพียร์สัน ได้ให้ความถูกต้องในการทำนายมากกว่าการแบ่งกลุ่มข้อมูลโดยใช้ระยะแบบยุคลิด นอกจากนี้เรายังพบอีกว่า จำนวนขั้นเวลาที่ใช้ขยายสัญญาณสไปค์เท่ากับ 3 ได้ให้ความถูกต้องในการทำนายมากกว่าการขยายสัญญาณสไปค์ด้วยจำนวนขั้นเท่ากับ 1 และ 5 อีกด้วย

Abstract: DNA sequence obtained from cell organism by a DNA sequencer may give incomplete DNA sequence. That is, some order of the sequence is an ambiguous nucleotide symbol. For example, N symbol that appears in the DNA sequence may be A or C or G or T. This research has transformed the problem of recogning an ambiguous symbol at the end of a given nucleotide sequence and study the feasibility of applying spiking neurons, which is a type of neural network having similar functions to that of actual human neurons, to solve this problem. This research has proposed encoding method that encodes nucleotide sequence pattern to be the spike train pattern. The spike train pattern is used to be an input data for the spiking neural networks. In addition, we have studied the partitioning method using Euclidean distance and Pearson correlation. From the experiment, data classification using Pearson correlation is more accurate than using Euclidean distance. Moreover, the number of expanded time step of 3 is more accurate than 1 and 5.

จุฬาลงกรณ์มหาวิทยาลัย. สำนักงานวิทยทรัพยากร

Address: กรุงเทพมหานคร

Email: cuir@car.chula.ac.th

Name: ชิดชนก เหลือสินทรัพย์

Role: ที่ปรึกษา

Created: 2550

Modified: 2559-11-28

Issued: 2559-11-28

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: วิทยาศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิทยาการคณนา

Grantor: จุฬาลงกรณ์มหาวิทยาลัย

©copyrights จุฬาลงกรณ์มหาวิทยาลัย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	Adisak_ka.pdf	1.17 MB	51	2026-05-26 18:16:01

ใช้เวลา

0.03814 วินาที