|
Inférence de transducteurs rationnels pour la prédiction
de structures
Localisation :Irisa, Rennes
Responsable :
Mot-clés : Apprentissage; Inférence Grammaticale; Bio-informatique ;
Transducteurs.
Sujet :
La thèse étudiera l'apprentissage automatique de transducteurs
dans le contexte particulier de l'étude des séquences génomiques.
Les transducteurs rationnels sont des machines à états finies qui
peuvent être considérées comme une extension des automates classiques,
où les transitions peuvent être étiquetés par des productions sur
un deuxième alphabet. Les transducteurs permettent ainsi d'établir
une traduction d'un langage vers un autre.
Le domaine d'application considéré ici est celui de la reconnaissance
de structures de protéines. Les protéines peuvent être décrites
par une séquence sur un alphabet à 20 lettres. La structure que
prennent celles-ci dans l'espace correspondent à des relations entre
des sous-séquences. Il s'agit de construire automatiquement les
transducteurs les plus petits correspondant à des ensembles de couples
connus puis de tenter de rassembler les résultats en un prédicteur
de la structure globale de la protéine.
La résolution de ce problème d'apprentissage suppose la définition
d'une sous-classe de transducteurs suffisante pour le problème posé
et la mise au point d'un algorithme capable d'identifier tout élément
de cette classe. Il existe de nombreux travaux sur la prédiction
de structures et relativement peu sur l'inférence de transducteurs.
La méthodologie suggérée est de proposer un cadre d'inférence permettant
de profiter des connaissances apportées par les autres méthodes
de prédiction mais aussi des connaissances biologiques sur le domaine
(relation physico-chimiques sur les lettres de l'alphabet).
File translated from TEX
by TTH,
version 2.25.
On 8 Mar 2000, 15:33. |