Тема выпускной квалификационной работы: «Разработка модели прогнозирования времени цветения нута с использованием переноса знаний и символьной регрессии». В рамках данной работы производилась разработка модели предсказания времени цветения дикого нута на основании имеющихся данных, полученных при проведении полногеномного поиска ассоциаций, а также измерения климатических показателей за период, в течение которого проходило исследование. Модели подбирались при помощи модификации метода трансферного обучения, основанного на экземплярах целевой области. Цели данной работы - разработка модифицированного метода трансферного обучения на основе разностной эволюции и генетического программирования всимволной регрессии для построения моделей прогнозирования цветения нута. После реализации алгоритма требовалось применить полученные модели к реальным данным о генетических факторах исследуемых образцов и погодных факторах в месте их высадки, провести анализ результатов предсказания и сравнение этих показателей с уже существующими моделями. В ходе проведения численных экспериментов были получены модели, по структуре отличающиеся от уже существующих моделей прогнозирования времени цветения, но при этом близкие к ним по качеству предсказания достижения нутом вегетационного периода. Программные компоненты, разработанные в ходе работы, могут применены для построения моделей прогнозирования в других предметных областях, как связанных с биоинформатикой, так и не имеющих с ней никаких пересечений. Тем более, что рассмотренное сочетание методов разностной эволюции и генетического программирования в символьной регрессии показало себя достаточно эффективно, и имеет смысл далее искать области их приложения к задачам реального мира.

The subject of the graduate qualification work is «Development of a model forpredicting Chickpea flowering time prediction model using knowledge transfer andsymbolic regression». Within the framework of this work, a model for predicting the flowering time ofwild chickpeas was developed based on the available data obtained during a genome-wideassociation search, as well as climatic indicators for the period during which the studytook place. The models were selected using a modification of the transfer learningmethod based on instances of the target area. The purpose of this work is to develop a modified transfer learning methodbased on difference evolution and genetic programming in symbolic regression tobuild chickpea bloom prediction models. After the algorithm was implemented, it wasnecessary to apply the obtained models to real data on the genetic factors of the studiedsamples and weather factors at their landing site, analyze the prediction results andcompare these indicators with existing models.In the course of numerical experiments, models were obtained that differ instructure from existing models for predicting the flowering time, but at the same timeare close to them in terms of the quality of predicting the achievement of the growingseason by chickpeas. The software components developed in the course of the work can be used tobuild forecasting models in other subject areas, both related to bioinformatics andhaving no intersections with it. Moreover, the considered combination of methods ofdifference evolution and genetic programming in symbolic regression has proved tobe quite effective, and it makes sense to further look for areas of their application toreal-world problems.

• Тема выпускной квалификационной работы
  • Введение
  • 1. Обзор методов трансферного обучения
  • 2. РАЗРАБОТКА МЕТОДА ТРАНСФЕРНОГО ОБУЧЕНИЯ НА ОСНОВЕ ЭКЗЕМПЛЯРОВ
  • 3. РАЗРАБОТКА, НАСТРОЙКА И ИСПОЛЬЗОВАНИЕ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ
  • 4. ПРИМЕНЕНИЕ РАЗРАБОТАННОГО МЕТОДА ОПТИМИЗАЦИИ ДЛЯ ПОИСКА МОДЕЛИ ПРОГНОЗИРОВАНИЯ
  • Заключение
  • Словарь терминов
  • Список использованных источников