English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Los trabajos realizados en esta tesis se encuadran dentro de dos grandes campos: la clasificacion supervisada con modelos graficos probabilisticos y su aplicacion a la biologia computacional. La idea fundamental de las propuestas que se han realizado dentro del campo de la clasificacion supervisada con modelos graficos probabilistico, es el uso de los algoritmos heuristicos de optimizacion EDA en la busqueda de estructuras de redes Bayesianas para clasificacion. Gracias a la aplicacion de los algoritmos EDA, se ha desarrollado un nuevo algoritmo de clasificacion supervisada denominado Interval Estimation naive-Bayes y se han mejorado varios de los algoritmos de clasificacion propuestos en la literatura. Los resultados experimentales obtenidos han sido muy satisfactorios, ya que demuestran la superioridad de nuestra idea. Ademas, con el objetivo de mejorar su rendimiento, se ha desarrollado una version paralela de nuestro algoritmo, el Parallel Interval Estimation naive-Bayes. Las pruebas experimentales han superado nuestras expectativas iniciales, ya que no solo se ha logrado un speedup superlineal, si no que se han obtenido mejores resultados que en la version secuencial. En el campo de la biologia computacional la prediccion de la estructura secundaria de las proteinas es de vital importancia, ya que proporciona un punto de partida para la prediccion de su estructura tridimensional, lo cual ayuda a la determinacion de sus funciones. Dentro de este campo, se ha estudiado la aplicacion de los metodos de clasificacion supervisada en dos niveles diferentes. Por un lado, se ha desarrollado un nuevo metodo basado en redes Bayesianas, para la prediccion de la estructura secundaria de las proteinas. Aunque en primera instancia los resultados obtenidos no han sido brillantes, en esta tesis se sugieren refinamientos de la idea original que, confiamos, los mejoraran. Por otra parte, se ha creado un multiclasificador con los metodos de prediccion existentes, basado en el paradigma stacked generalization. Los resultados obtenidos por este multiclasificador han sido altamente satisfactorios, ya que se han mejorado los resultados de los metodos individuales. Como resultado de las propuestas realizadas han surgido multitud de futuras lineas de investigacion, que se recogen a lo largo de esta tesis.

Clasificación supervisada basada en redes bayesianas, aplicación en biología computacional