เครื่องจักรเชิงน่าจะเป็นสำหรับเรียนรู้ส่วนเพิ่มเพื่อการจำแนกลำดับสัญลักษณ์
Article Sidebar
Main Article Content
บทคัดย่อ
การจำแนกลำดับสัญลักษณ์สามารถนำไปใช้ประโยชน์ได้หลากหลาย เช่น การวิเคราะห์ดีเอ็นเอ การตรวจจับ การบุกรุก การวิเคราะห์คลื่นไฟฟ้าหัวใจ ปัจจุบันมีวิธีการมาตรฐานที่ประยุกต์ใช้ได้กับเรื่องนี้ เช่น แบบจำลองภาษา เชิงน่าจะเป็น แบบจำลองโครงข่ายประสาทเทียม เครื่องจักรเวกเตอร์สนับสนุน เป็นต้น อย่างไรก็ตาม ในกรณีที่ ข้อมูลอินพุตสำหรับเรียนรู้เป็นสายอักขระที่มีความยาวมาก และไม่ทราบคำที่แท้จริงภายในสายอักขระนั้น ตัวอย่างเช่น สายอักขระดีเอ็นเอ การนำข้อมูลเหล่านี้ไปเรียนรู้จำเป็นจะต้องแบ่งคำจำลองที่มีความยาวคงที่ ซึ่งทำให้ความน่าจะเป็น และตำแหน่งที่แท้จริงถูกบิดเบือนไปจากข้อมูลต้นฉบับ ผลที่ตามมาคือ การนำไปประยุกต์ใช้จะได้ผลลัพธ์ที่ไม่ตรง เท่าที่ควร และไม่สามารถเรียนรู้ส่วนเพิ่มที่มีลักษณะข้อมูลแตกต่างไปจากเดิมได้ดีพอ งานวิจัยนี้จึงนำเสนอแบบจำลอง การเรียนรู้สายอักขระแบบใหม่ ซึ่งเป็นการจำลองสายอักขระแบบมาร์คอฟโดยใช้วิธีการแบ่งคำโดยอัตโนมัติ ด้วยสายอักขระเอกลักษณ์และสายอักขระเกิดซ้ำที่มีความยาวแปรผันได้หลากหลาย เพื่อทำให้ความน่าจะเป็น และตำแหน่งของคำยังตรงกับข้อมูลต้นฉบับให้ได้มากที่สุด และยังสามารถเรียนรู้ส่วนเพิ่มได้ไม่จำกัดจำนวน ในขณะที่มิติข้อมูลอยู่ในขอบเขตที่สามารถจัดการได้งานวิจัยนี้เสนอขั้นตอนวิธีการสร้่างแบบจำลองจากสายอักขระไม่จำกัดความยาว โดยแบ่งคำได้อัตโนมัติ โดยมีความซับซ้อนเชิงเวลาและพื้นที่ของขั้นตอนวิธีเป็น งานวิจัยนี้ได้ทำการทดลองเพื่อทดสอบประสิทธิภาพ โดยการจำแนกสายอักขระดีเอ็นเอของแบคทีเรีย อี.โคไล (E. Coli) 2 กลุ่ม คือกลุ่มที่เป็นตัวสนับสนุนและกลุ่มที่ไม่เป็น ผลการทดลองพบว่ามีความผิดพลาดเพียงร้อยละ 3.77 ซึ่งได้ผล เป็นที่น่าพอใจเมื่อเทียบกับวิธีการมาตรฐานอื่น
Article Details
มหาวิทยาลัยรามคำแหง
เอกสารอ้างอิง
Cavnar, W. B. and Trenkle, J. M. 1994. N-Gram-Based Text Categorization. In Proceedings of SDAIR-94, 3rd Annual Symposium on Document Analysis and Information Retrieval , 161–175.
Dua, D. and Graff, C. 2019 UCI Machine Learning Repository [http://archive.ics.uci.edu/ml]. Irvine, CA: University of California, School of Information and Computer Science.
Dietterich, T. G. 2002. Machine Learning for Sequential Data: A Review. Proceedings of the Joint IAPR International Workshop on Structural, Syntactic, and Statistical Pattern Recognition , 15–30.
Galata, A. Johnson, N. and Hogg, D. 2001. Learning Variable Length Markov Models of Behaviour. Computer Vision and Image Understanding. 81(3): 398-413
Geppert, E. and Hammer, B. 2016. Incremental learning algorithms and applications. ESANN , 357-368
Ilie, L., Smyth, W. F. 2011. Minimum Unique Substrings and Maximum Repeats. Fundam. Inf, 110 (1-4),
183 - 195.
Kermorvant, C., Dupont, P. 2002. Improved Smoothing for Probabilistic Suffix Trees Seen As Variable Order Markov Chains. Proceedings of the 13th European Conference on Machine Learning , 185--194.
Khreich, W., Granger, E., Miri, A., and Sabourin, R. 2012. A Survey of Techniques for Incremental Learning of HMM Parameters. Information Sciences, 197 , 105–130.
Leslie, C., Eskin, E., and Noble, W. S. 2002. The spectrum kernel: a string kernel for SVM protein classification. PAC Symp Biocomput, , 564-575.
Lin, J., Keogh, E., Lonardi, S., and Chiu, B. 2003. A Symbolic Representation of Time Series, with Implications for Streaming Algorithms. Proceedings of the 8th ACM SIGMOD Workshop on Research Issues in Data Mining and Knowledge Discovery , 2--11
Lodhi, H., Saunders, C., Shawe-Taylor, J., Cristianini, N., and Watkins, C. 2002. Text classification using string kernels. Journal of Machine Learnining Research, 2 , 419-444.
Mingers, J. 1989. An Empirical Comparison of Pruning Methods for Decision Tree Induction, Machine Learning 4 227–243.
O'Neill, Michael. 1989. Escherichia coli promoters. I. Consensus as it relates to spacing class, specificity, repeat substructure, and three-dimensional organization. The Journal of biological chemistry. 264. 5522-30.
Rabiner, L. R. 1989. A tutorial on hidden Markov models and selected applications in speech recognition. Proceedings of the IEEE, 77 (2), 257-286.
Rayan Chikhi, and Paul Medvedev. 2014. Informed and automated k-mer size selection for genome assembly, Bioinformatics, 30(1), 31-37
Ron, D., Singer, Y., and Tishby, N. 1996. The Power of Amnesia: Learning Probabilistic Automata with Variable Memory Length. Machine learning , 117–149.
Rumelhart, D. E., G. Hinton, G. E., and Williams, R. J. 1986 Learning Internal Represen- tations by Error Propagation, in: Parallel Distributed Processing: Explorations in the microstructure of cognition. Volume 1: Foundations, D. E. Rumelhart and J. L. McClelland (Eds.), 318–363.
Towell, G., Shavlik, J., and Noordewier, M. 1990. Refinement of Approximate Domain Theories by Knowledge-Based Neural Networks. In Proceedings of the Eighth National Conference on Artificial Intelligence , 861-866.
Vidal, E., Thollard, F., de la Higuera, C., Casacuberta, F., and Carrasco, R. C. 2005. Probabilistic Finite-State Machines-Part I. IEEE Trans. Pattern Anal. Mach. Intell., 27 (7), 1013--1025.
Vidal, E., Thollard, F., de la Higuera, C., Casacuberta, F., and Carrasco, R. C. 2005. Probabilistic Finite-State Machines-Part II. IEEE Trans. Pattern Anal. Mach. Intell., 27 (7), 1026–1039.
Weiner, P. 1973. Linear Pattern Matching Algorithms. Proceedings of the 14th Annual Symposium on Switching and Automata Theory , 1--11.
Xing, Z., Pei, J., and Keogh, E. 2010. A Brief Survey on Sequence Classification. SIGKDD Explor. Newsl., 12 (1), 40--48.
Xing, Z., Pei, J., Dong, G., and Yu, P. S. 2008. Mining Sequence Classifiers for Early Prediction. Proceedings of the {SIAM} International Conference on Data Mining, 644--655.
