استفاده از شبكه هاي عصبي مصنوعي در الگوريتم هاي شناسايي راه انداز

رشد داده ها در توالي ژن اخيرا سرعت بيشتري يافته است از اين رو حفظ و تفسير آنها بسيار مهم است. در اين ميان روش ها و تجربه هاي زيستي سنتي كافي نيستند و امروزه، چگونگي طراحي الگوريتم هاي كامپوتري و نرم افزار هايي كه بتوانند توالي هاي ژن را تحليل و تفسير نمايند به يكي از موضوعات مهم هوش محاسباتي تبديل شده است. به دليل اين كه تشخيص ژنها در توالي هاي DNA به تنهايي بسيار سخت است از ايم رو شناسايي راه اندازها كه معياري براي تشخيص شروع ژن هاي كد شده در DNAهستند اهميت ويژه اي دارد. د راين مقاله ، به معرفي و بررسي مهمترين الگوريتم هايي كه از شبكه هاي عصبي مصنوعي براي گروه بندي راه اندازه ها استفاده مي كنند مي پردازيم؛ سپس نشان خواهيم داد نتايج به دست آمده از گروه بندي با چندين شبكه ي عصبي در گروه بند، داراي عملكرد بهتري نسبت به گروه بندي با يك شبكه عصبي است.