基于bp神经网络的蛋白质结构并行分析

《基于bp神经网络的蛋白质结构并行分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于BP神经网络的蛋白质结构并行分析作者姓名汤达祺工程领域软件工程校内指导教师汤德佑校外指导教师沈顺七所在学院软件学院论文提交日期2016年3月TheParallelAnalysisofProteinStructureBasedonBack-PropagationNeuralNetworkADissertationSubmittedfortheDegreeofMasterCandidate：TangDaqiSupervisor：A.P.TangDeyouS.E.ShenShunqiSouthChinaUniversityofTechnolog

2、yGuangzhou,ChinaII分类号：TP3学校代号：10561学号：201321033566华南理工大学硕士学位论文基于BP神经网络的蛋白质结构并行分析作者姓名：汤达祺申请学位级别：工程硕士工程领域名称：软件工程校内指导教师姓名、职称：汤德佑副教授校外指导教师姓名、职称：沈顺七高级工程师论文形式：ꇶ产品研发ꇶ工程设计应用研究ꇶ工程/项目管理ꇶ调研报告研究方向：软件工程技术论文提交日期：2016年3月23日论文答辩日期：2016年3月25日学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员：主席：杨晓伟委员：刘琼郑东曦左保河刘艳霞IIIIV

3、摘要随着生物信息学的发展和人类基因组计划的完成，人们获得了大量的DNA和蛋白质序列信息，迫切需要效果更好的蛋白质结构和功能预测方法。本文采用BP神经网络算法对蛋白质二级结构预测进行研究，给出了面向共享内存环境及分布式内存环境下的BP神经网络并行方案。本文主要研究内容及成果如下：(1)给出了基于改进BP神经网络的蛋白质二级结构预测方法。该方法针对传统BP神经网络收敛速度慢、容易陷入局部极小值等问题，对网络的学习过程进行改进，采用批处理学习模式，提高网络收敛速度；基于梯度方法上进行优化，引入附带动量项和自适应学习率的学习规则，避免“振荡现象”和陷入局部极小值。实

4、验结果表明，该方法对蛋白质二级结构的预测准确率达到73%;(2)提出面向共享内存环境的数据并行和结构并行算法。该方法在输出层加入共享误差缓存区，实现网络学习过程的并行化；在隐藏层加入共享输出缓存区，并对网络隐藏层结构进行划分，实现并行输出。实验结果表明，在8核的计算环境下，BP神经网络并行算法的加速比可达7.551;(3)提出面向共享内存环境的混合方式并行算法。该方法结合数据并行和结构并行思想，分别对隐藏层输出计算、输出层输出和误差计算进行并行化，在数据量较小或网络结构简单时，可以获得更好的加速效果。通过实验分析表明，在8核的计算环境下，BP神经网络混合方式

5、并行算法的加速比达7.206；(4)给出了一种分布式内存环境下，应用BP神经网络进行蛋白质二级结构预测的并行策略。该策略采用基于主从模式的分布式并行算法，同时节点内采用面向共享内存环境的混合方式并行算法，实现BP神经网络算法的并行化。实验结果表明，在使用4节点、单节点4核的计算环境下，该并行算法的最大加速比达12.985。关键字：蛋白质结构预测；BP神经网络；数据并行；结构并行；分布式并行；VAbstractWiththerapiddevelopmentofbioinformaticsandthecompletionofthehumangenomeproje

6、ct,alargenumberofDNAandproteinsequenceinformationhavebeenobtained,sothepredictionofproteinstructureandfunctionhasbecomethemainresearchdirection.Backpropagationisamulti-layerfeedforwardneuralnetwork,becauseofthenon-linearmappingability,BPneuralnetworkiswidelyusedinthefieldsofbioinfo

7、rmatics,medicalscienceandinformatics.ThispaperintroducestheapplicationofimprovedBPalgorithmsinthepredictionofproteinsecondarystructure.Baseontheideaofdataparallelandstructureparallel,techniquesarepresentedfortheparallelimplementationofBPneuralnetworkinthesharedmemoryenvironmentandd

8、istributedmemoryenvironmen