Classification and Forecasting using Deep Learning Approach for Time Series Gene Expression Data / Abderraouf Aymen Bensemra  

Public ISBD Titre : Classification and Forecasting using Deep Learning Approach for Time Series Gene Expression Data Type de document : texte imprimé Auteurs : Abderraouf Aymen Bensemra, Auteur ; Assil Guenfoud, Auteur ; Nasri,Khaled, Directeur de thèse Année de publication : 2023 Importance : 1 vol (40 f .) Format : 29cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé : Time series gene expression analysis reveals dynamic shifts in gene expression patterns over time, aiding the study of regulatory genes, signaling pathways, and biological processes. It provides insights into development, environmental responses, and disease progression, deepening our understanding and enabling specialized interventions. Deep learning algorithms for gene expression time series forecasting offer significant benefits, accurately predicting future expression levels by capturing temporal dependencies and non-linear correlations. They enhance precision medicine and our understanding of biological processes. In our study, in the data GSE6168 we evaluated the effectiveness of Long Short-Term Memory where the best RMSE we got is:0.278 and Temporal Convolutional Networks where we got a total RMSE of:0.268 Côte titre : MAI/0704 En ligne : https://drive.google.com/file/d/15WXNGAo0lEgxoqlRMtyRXTe49Nu7xX_u/view?usp=drive [...] Format de la ressource électronique : pdf Classification and Forecasting using Deep Learning Approach for Time Series Gene Expression Data [texte imprimé] / Abderraouf Aymen Bensemra, Auteur ; Assil Guenfoud, Auteur ; Nasri,Khaled, Directeur de thèse . - 2023 . - 1 vol (40 f .) ; 29cm. Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Informatique Index. décimale : 004 Informatique Résumé : Time series gene expression analysis reveals dynamic shifts in gene expression patterns over time, aiding the study of regulatory genes, signaling pathways, and biological processes. It provides insights into development, environmental responses, and disease progression, deepening our understanding and enabling specialized interventions. Deep learning algorithms for gene expression time series forecasting offer significant benefits, accurately predicting future expression levels by capturing temporal dependencies and non-linear correlations. They enhance precision medicine and our understanding of biological processes. In our study, in the data GSE6168 we evaluated the effectiveness of Long Short-Term Memory where the best RMSE we got is:0.278 and Temporal Convolutional Networks where we got a total RMSE of:0.268 Côte titre : MAI/0704 En ligne : https://drive.google.com/file/d/15WXNGAo0lEgxoqlRMtyRXTe49Nu7xX_u/view?usp=drive [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAI/0704	MAI/0704	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

---

1 (1 - 1 / 1)