講演名 2001/2/2
再帰型ニューラルネットワークによる蛋白質構造学習と状態空間表現
齋藤 秀, 塩谷 浩之, 伊達 惇,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) リカレントニューラルネットワーク(RNN)はフィードバック結合を持ち, その再帰的な構造から時空間情報を扱うことが可能である.この特徴を利用しRNNによる有限オートマトン(FSM)の学習に関する研究が行われており, 最適な学習が行われた場合, RNNの状態空間にFSMの遷移図が獲得されることが知られている.本研究では, RNNに蛋白質の特徴的な構造(特にα-ヘリックス)を学習させた.また, 蛋白質の構造形成の性質とRNNの性質を考慮した学習法を提案し, FSMの場合と同様に, アミノ酸配列と蛋白質構造の関係を表す遷移図が抽出されることと, その意味的解析について報告する.
抄録(英) A Recurrent Neural Network(RNN)has reflexive structures and an ability of learning Finite State Machines(FSMs). It is known that a state graph of an FSM is extracted in the state space of the trained RNN optimally. In this paper, we use an RNN in order to learn protein secondary structures(alpha-helix and etc). We propose learning methods which reflect properties of protein structures and RNNs, and show that a grammatical structure of an amino acid sequence is acquired in the same way.
キーワード(和) リカレントニューラルネットワーク / 状態空間 / 蛋白質構造 / α-ヘリックス
キーワード(英) Recurrent Neural Network / state space / protein structures / α-helix
資料番号 NC2000-94
発行日

研究会情報
研究会 NC
開催期間 2001/2/2(から1日開催)
開催地(和)
開催地(英)
テーマ(和)
テーマ(英)
委員長氏名(和)
委員長氏名(英)
副委員長氏名(和)
副委員長氏名(英)
幹事氏名(和)
幹事氏名(英)
幹事補佐氏名(和)
幹事補佐氏名(英)

講演論文情報詳細
申込み研究会 Neurocomputing (NC)
本文の言語 JPN
タイトル(和) 再帰型ニューラルネットワークによる蛋白質構造学習と状態空間表現
サブタイトル(和)
タイトル(英) Learning Protein Structures and Expressing State Space using a Recurrent Neural Network
サブタイトル(和)
キーワード(1)(和/英) リカレントニューラルネットワーク / Recurrent Neural Network
キーワード(2)(和/英) 状態空間 / state space
キーワード(3)(和/英) 蛋白質構造 / protein structures
キーワード(4)(和/英) α-ヘリックス / α-helix
第 1 著者 氏名(和/英) 齋藤 秀 / Shigeru SAITO
第 1 著者 所属(和/英) 北海道大学大学院工学研究科
Graduate School of Engineering, Hokkaido University
第 2 著者 氏名(和/英) 塩谷 浩之 / Hiroyuki SHIOYA
第 2 著者 所属(和/英) 北海道大学大学院工学研究科
Graduate School of Engineering, Hokkaido University
第 3 著者 氏名(和/英) 伊達 惇 / Tsutomu DA-TE
第 3 著者 所属(和/英) 北海道大学大学院工学研究科
Graduate School of Engineering, Hokkaido University
発表年月日 2001/2/2
資料番号 NC2000-94
巻番号(vol) vol.100
号番号(no) 618
ページ範囲 pp.-
ページ数 7
発行日