Vorhersage von DNA-Bindungsstellen mit generativen, diskriminativen und hybriden Lernverfahren

Abstract

Probabilistische Modelle werden heutzutage aufgrund ihrer Flexibilität in vielen Bereichen zur Modellierung und Klassifikation von anfallenden Daten genutzt. Von entscheidender Bedeutung ist neben der Wahl des entsprechenden Modells auch die Wahl des Lernverfahrens, welches die Modellparameter aus gegebenen Daten inferriert. Häufig wird dieser Aspekt völlig aus den Augen gelassen, obwohl er sehr viel Potenzial birgt. In der vorgelegten Dissertation wird u.a. ein verallgemeinertes Lernverfahren vorgestellt und auf biologische Daten angewendet. Die objektorientierte und quelloffene Implementierung ermöglicht eine Vielzahl weiterer Anwendungen und Erweiterungen.