Deep learning in bioinformatics
2018-02-06
org.kosen.entty.User@e7d4cb
김수진(mauvepale)
분야
생명과학
개최일
September 2017
신청자
김수진(mauvepale)
개최장소
URL
행사&학회소개
Abstract
Introduction
Deep learning: a brief overview
Key elements of deep learning
Deep learning libraries
Deep neural networks
Convolutional neural networks
Recurrent neural networks
Emergent architectures
Omics
Biomedical imaging
Biomedical signal processing
Discussion
Conclusion
Introduction
Deep learning: a brief overview
Key elements of deep learning
Deep learning libraries
Deep neural networks
Convolutional neural networks
Recurrent neural networks
Emergent architectures
Omics
Biomedical imaging
Biomedical signal processing
Discussion
Conclusion
보고서작성신청
현재 가장 주목 받고 있는 기계학습 기법 중 하나인 딥러닝(deep learning)의 생물정보학(bioinformatics) 분야에서의 다양한 응용 및 활용에 대한 리뷰 논문입니다. 딥러닝은 2000년대 초반부터 급속도로 발전하여 현재 이미지, 텍스트, 음성 데이터를 포함한 다양한 분야에서 최고의 성능을 보여주고 있습니다.
생물정보학에서도 대규모 데이터로부터 유의미하고 새로운 결과 획득을 위해 딥러닝 기술에 주목하고 있으며 이에 관련 연구가 최근 다수 발표되고 있습니다.
본 논문에서는 omics, biomedical imaging, biomedical signal processing에서 deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs) 등의 딥러닝 모델 응용에 대해 대략적으로 설명하고, 생물정보학에서 딥러닝의 이론적/실용적 이슈에 대해 논의합니다. 이에본 논문은 생물정보학에서 딥러닝 응용의 전반적 연구 및 최근 동향, 포괄적인 통찰력을 제공하여 대규모 생물학 데이터 분석 연구의 출발점을 제시 할 수 있으며 향후 연구 방향에 대해서도 고찰해 볼 수 있어 관련 연구자에게 유용한 자료가 될 것으로 여겨집니다.
본 논문은 2017년 9월 Briefings in Bioinformatics에 출판되었으며, arxiv에 공개된 논문 파일을 링크합니다.
생물정보학에서도 대규모 데이터로부터 유의미하고 새로운 결과 획득을 위해 딥러닝 기술에 주목하고 있으며 이에 관련 연구가 최근 다수 발표되고 있습니다.
본 논문에서는 omics, biomedical imaging, biomedical signal processing에서 deep neural networks (DNNs), convolutional neural networks (CNNs), recurrent neural networks (RNNs) 등의 딥러닝 모델 응용에 대해 대략적으로 설명하고, 생물정보학에서 딥러닝의 이론적/실용적 이슈에 대해 논의합니다. 이에본 논문은 생물정보학에서 딥러닝 응용의 전반적 연구 및 최근 동향, 포괄적인 통찰력을 제공하여 대규모 생물학 데이터 분석 연구의 출발점을 제시 할 수 있으며 향후 연구 방향에 대해서도 고찰해 볼 수 있어 관련 연구자에게 유용한 자료가 될 것으로 여겨집니다.
본 논문은 2017년 9월 Briefings in Bioinformatics에 출판되었으며, arxiv에 공개된 논문 파일을 링크합니다.