图书介绍
生物信息学 机器学习方法PDF|Epub|txt|kindle电子书版本网盘下载
- （法）皮埃尔·巴尔迪（Pierre Baldi），（丹）索恩·布鲁纳克（Soren Brunak）著；张东晖等译 著
- 出版社： 北京：中信出版社
- ISBN：780073708X
- 出版时间：2003
- 标注页数：405页
- 文件大小：25MB
- 文件页数：428页
- 主题词：生物信息论
PDF下载
下载说明
生物信息学 机器学习方法PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 概述1
1.1数字化符号序列中的生物学数据1
1.2基因组——多样性、规模和结构6
1.3蛋白质和蛋白质组14
1.4生物序列的信息量22
1.5生物分子功能和结构预测38
第2章 机器学习的基础：概率理论体系41
2.1简介：贝叶斯建模41
2.2考克斯—杰恩斯公理43
2.3贝叶斯推断和归纳46
2.4模型结构：图模型及其他技巧52
2.5小结55
第3章 概率建模和推断：应用举例57
3.1最简单的序列模型57
3.2统计力学62
第4章 机器学习算法69
4.1绪论69
4.2动态规划70
4.3梯度下降法70
4.4EM/GEM算法71
4.5马尔可夫链—蒙特卡罗方法74
4.6模拟退火算法78
4.7进化和遗传算法80
4.8学习算法的相关技术细节80
第5章 神经网络：理论85
5.1概述85
5.2通用函数逼近特性90
5.3先验分布和似然度91
5.4反向传播学习算法96
第6章 神经网络：应用99
6.1序列编码和输出表示100
6.2序列相关性与神经网络104
6.3蛋白质二级结构预测105
6.4信号肽及其剪切位点的预测115
6.5 DNA/RNA序列分析的相关应用118
6.6预测的性能评价123
6.7不同的性能评价标准136
第7章 隐马氏模型（HMM）：理论145
7.1简介145
7.2先验信息和初始化149
7.3似然度及基本算法151
7.4学习算法155
7.5 HMM的应用：一般性的问题162
第8章 隐马氏模型（HMM）：应用165
8.1在蛋白质方面的应用165
8.2在DNA和RNA方面的应用182
8.3 HMM的优势和局限性195
第9章 生物信息学中的概率图模型197
9.1生物信息学中的图模型概述197
9.2马尔可夫模型与DNA的对称性201
9.3马尔可夫模型和基因发现程序205
9.4混合模型和图模型的神经网络参数化210
9.5单模型情形211
9.6用于蛋白质二级结构预测的双向反馈神经网络223
第10章 进化的概率模型：系统进化树233
10.1进化的概率模型简介233
10.2替换概率和进化速率235
10.3进化速率236
10.4数据似然度237
10.5进化树的优化和学习算法240
10.6吝啬法241
10.7扩展242
第11章 随机文法和语言学245
11.1形式文法的介绍245
11.2形式文法和乔姆斯基层次245
11.3文法在生物序列中的应用250
11.4先验信息和初始化254
11.5似然度255
11.6学习算法256
11.7 SCFG的应用258
11.8实验259
11.9展望262
第12章 微阵列和基因表达263
12.1微阵列数据简介263
12.2阵列数据的概率模型265
12.3聚类276
12.4基因调控281
第13章 互联网资源和公共数据库283
13.1迅速积累的资源283
13.2关于数据库和工具的综合目录284
13.3分子生物学数据库综合目录285
13.4序列与结构数据库287
13.5序列相似性搜索292
13.6比对294
13.7有代表性的预测服务器295
13.8分子生物学软件链接300
13.9网上的博士课程302
13.10生物信息学协会302
13.11 HMM/NN仿真软件302
附录A 统计学305
A.1决策理论和损失函数305
A.2二次损失函数306
A.3偏差／方差均衡307
A.4估计器的组合308
A.5误差带309
A.6充分统计量309
A.7指数族310
A.8其他有用分布310
A.9变分法311
附录B 信息论、熵和相对熵313
B.1熵313
B.2相对熵315
B.3互信息315
B.4 Jensen不等式316
B.5最大熵317
B.6最小相对熵318
附录C 概率图模型319
C.1符号和预备知识319
C.2无向情形：马尔可夫随机域320
C.3有向情形：贝叶斯网络322
附录D HMM的相关技术：标定、周期构架、状态函数和Dirichlet混合模型329
D.1标定329
D.2周期构架331
D.3状态函数：可弯曲性333
D.4 Dirichlet混合模型335
附录E 高斯过程、核方法及支持向量机339
E.1高斯过程模型339
E.2核方法和支持向量机341
E.3高斯过程和SVM的定理346
附录F 公式和缩写符号349
参考文献357
基本词汇英汉对照表391