Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2
This work aims to develop a new proposal to identify and characterize variants associated with the SARS-CoV-2 virus. The proposal uses deep learning based on word embedding associated with unsupervised learning algorithms such as t-Distributed Stochastic Neighbor Embedding (t-SNE) and Principal C...
Na minha lista:
Autor principal: | |
---|---|
Outros Autores: | |
Formato: | bachelorThesis |
Idioma: | pt_BR |
Publicado em: |
Universidade Federal do Rio Grande do Norte
|
Assuntos: | |
Endereço do item: | https://repositorio.ufrn.br/handle/123456789/46205 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
id |
ri-123456789-46205 |
---|---|
record_format |
dspace |
spelling |
ri-123456789-462052022-02-23T12:49:23Z Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2 Dutra, Josélia Laís Galvão Fernandes, Marcelo Augusto Costa Coutinho, Maria Gracielly Fernandes Souza, Luisa Christina de Word embedding Aprendizado não supervisionado Variantes SARSCoV- 2 Unsupervised learning SARS-CoV-2 Variants This work aims to develop a new proposal to identify and characterize variants associated with the SARS-CoV-2 virus. The proposal uses deep learning based on word embedding associated with unsupervised learning algorithms such as t-Distributed Stochastic Neighbor Embedding (t-SNE) and Principal Component Analysis (PCA). The proposal allows to visualize and characterize the behavior of the variants in the space of two and three dimensions over time. The work presents results from samples of the SARS-CoV-2 virus collected from January to June 2021 and clearly shows the continuous distancing of viral samples due to mutations over time. Thus, the proposal allows the creation of a new analysis tool associated with the emergence of new variants. Este trabalho tem por objetivo desenvolver uma nova proposta de identificação e caracterização das variantes associadas ao vírus SARS-CoV-2. A proposta faz uso de aprendizagem profunda baseada em word embedding associada a algoritmos de aprendizagem não supervisionada como o t-Distributed Stochastic Neighbor Embedding (t-SNE) e Principal Component Analysis (PCA). A proposta permite visualizar e caracterizar o comportamento das variantes em um espaço de duas e três dimensões ao longo do tempo. O trabalho apresenta resultados de amostras do vírus SARS-CoV-2 coletadas no período de janeiro a junho de 2021 e mostra claramente o contínuo distanciamento das amostras virais devido às mutações ao longo do tempo. Assim, a proposta permite a criação de uma nova ferramenta de análise associada ao surgimento de novas variantes. 2022-02-23T12:49:23Z 2022-02-23T12:49:23Z 2022-02-11 bachelorThesis DUTRA, Josélia Laís Galvão. Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2. 2022. 70f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022. https://repositorio.ufrn.br/handle/123456789/46205 pt_BR Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN Engenharia de Computação Departamento de Engenharia de Computação e Automação |
institution |
Repositório Institucional |
collection |
RI - UFRN |
language |
pt_BR |
topic |
Word embedding Aprendizado não supervisionado Variantes SARSCoV- 2 Unsupervised learning SARS-CoV-2 Variants |
spellingShingle |
Word embedding Aprendizado não supervisionado Variantes SARSCoV- 2 Unsupervised learning SARS-CoV-2 Variants Dutra, Josélia Laís Galvão Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2 |
description |
This work aims to develop a new proposal to identify and characterize variants associated
with the SARS-CoV-2 virus. The proposal uses deep learning based on word embedding
associated with unsupervised learning algorithms such as t-Distributed Stochastic Neighbor
Embedding (t-SNE) and Principal Component Analysis (PCA). The proposal allows to
visualize and characterize the behavior of the variants in the space of two and three
dimensions over time. The work presents results from samples of the SARS-CoV-2 virus
collected from January to June 2021 and clearly shows the continuous distancing of viral
samples due to mutations over time. Thus, the proposal allows the creation of a new
analysis tool associated with the emergence of new variants. |
author2 |
Fernandes, Marcelo Augusto Costa |
author_facet |
Fernandes, Marcelo Augusto Costa Dutra, Josélia Laís Galvão |
format |
bachelorThesis |
author |
Dutra, Josélia Laís Galvão |
author_sort |
Dutra, Josélia Laís Galvão |
title |
Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2 |
title_short |
Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2 |
title_full |
Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2 |
title_fullStr |
Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2 |
title_full_unstemmed |
Aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do SARS-CoV-2 |
title_sort |
aprendizagem profunda baseada em word embedding associada a técnicas de redução de dimensionalidade aplicada a análise de variantes do sars-cov-2 |
publisher |
Universidade Federal do Rio Grande do Norte |
publishDate |
2022 |
url |
https://repositorio.ufrn.br/handle/123456789/46205 |
work_keys_str_mv |
AT dutrajoselialaisgalvao aprendizagemprofundabaseadaemwordembeddingassociadaatecnicasdereducaodedimensionalidadeaplicadaaanalisedevariantesdosarscov2 |
_version_ |
1773959768213291008 |