مطالعات شبیه سازی ژنومی و بررسی آنها با استفاده از شبکه عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی
- نویسنده کریم نوبری
- استاد راهنما محمد رضا نصیری علی اصغر اسلمی نژاد مجتبی طهمورث پور علی اسماعیلی زاده کشکوییه
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1391
چکیده
به دلیل پیچیدگی مکانیسم تاثیر عوامل ژنتیکی و غیر ژنتیکی مسئول بروز فنوتیپی صفت، منظور نمودن همه عوامل واقعی فوق در مدل کاربردی امکانپذیر نمی باشد. همچنین زمان بر و پر هزینه بودن تهیه جمعیت مناسب برای مطالعه، باعث گردیده است که از مطالعات شبیه سازی برای بررسی نحوه تاثیر برخی از شرایط بر روی نتایج مطالعات ژنومی استفاده شود. به دلیل زمان و هزینه بر بودن برخی از مطالعات شبیه سازی، مدلسازی و بسط مطالعه شبیه سازی با استفاده از شبکه عصبی مصنوعی (ann) از دیگر اهداف این تحقیق می باشد. در این تحقیق سه مطالعه شبیه سازی جهت بررسی تاثیر پارامترهای آزمایشی بر روی نتایج مطالعه ژنومی مورد بررسی قرار گرفت. در مطالعه شبیه سازی اول انحراف استاندارد qtl و اندازه جمعیت، فاصله مارکری میزان قدرت تشخیص qtl و صحت برآورد موقعیت و اثرات qtl را تحت تاثیر قرار داد. فواصل یک lod پشتیبان و بیزی کوچکتر بود و درصد بیشتری از آنها موقعیت qtl را در بر داشتند. در مطالعه شبیه سازی دوم مدل شبکه عصبی مصنوعی (ann) با r2 برابر 99/0 و rmse برابر 34/3 بهترین پیش بینی را نسبت به فرمولهای پیشنهاد شده ارائه داد. در مطالعه شبیه سازی سوم تاثیر برخی پارامترهای آزمایشی بر روی دقت ارزیابیهای ژنومی توسط روش glm و ann مدلسازی گردید. در کلیه مطالعات شبیه سازی نشان داده شد که مدلسازی ann بهتر از دیگر روشهای مدلسازی و فرمولهای پیشنهاد شده می باشد. کلیه مطالعات شبیه سازی با استفاده از بهترین مدل ann بسط یافته و مورد بررسی قرار گرفت. با مقایسه نتایج حاصل از مطالعات شبیه سازی اصلی و بسط یافته مشخص شد که در مطالعات بسط یافته روند تاثیر هر یک پارامترها مشابه با مطالعه اصلی می باشد و همچنین وضوح تاثیر سطوح مختلف پارامترهای آزمایشی و اثرات متقابل آنها در مطالعات بسط یافته بسیار بهتر می باشد.
منابع مشابه
شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(ANN) در سواحل استان مازندران
چکیده امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیر زمینی مستلزم صرف هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد. در این تحقیق از شبکه عصبی مصنوعی (ANN) برای شبیه سازی شوری آب زیرزمینی در سواحل استان مازندران استفاده شد. بدین ...
متن کاملشبیه سازی الگوی توزیع نیترات در سیستم آبیاری قطره ای با استفاده از شبکه عصبی مصنوعی
استفاده بیش از حد نیترات میتواند منجر به آلودگی منابع آب زیرزمینی شود. بنابراین دانش دقیق از توزیع نیترات در ناحیه توسعه ریشه بهمنظور طراحی و مدیریت سیستمهای آبیاری قطرهای ضروری است. در این تحقیق بهمنظور مدلسازی الگوی توزیع نیترات از شبکه عصبی مصنوعی استفاده گردید. زیرا این تکنیک بهدلیل الگوی تشخیص قوی، روابط منطقی بین پارامترهای ورودی و خروجی برقرار میکند. در این تحقیق، بهمنظور شبیهس...
متن کاملشبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)
سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیش‌بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...
متن کاملشبیه سازی و پیش‌بینی جریان رودخانه‌ها با استفاده از شبکه عصبی و مدل فوریه
مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023