magistrsko delo
Kristjan Reba (Avtor), Matej Guid (Mentor), Janez Konc (Komentor)

Povzetek

Iskanje maksimalne klike spada med dobro raziskane NP-polne probleme. Za praktično uporabnost algoritmov za iskanje maksimalne klike morajo biti ti dovolj hitri na ciljni domeni grafov. V zadnjih letih je bilo narejenega veliko napredka na področju strojnega učenja na grafih. V magistrskem delu uporabimo moderne pristope strojnega učenja na grafih za pohitritev dinamičnega algoritma za iskanje maksimalne klike. Pohitritve testiramo na različnih vrstah grafov s poudarkom na različnih vrstah proteinskih grafov. Ugotovimo, da so pohitritve možne in jih lahko dosežemo z dobro izbiro modela za strojno učenje. Ugotovimo tudi, da pohitritve niso velike, vendar pa so konsistentne na skoraj vseh predstavljenih grafih.

Ključne besede

proteinski graf;maksimalna klika;računalništvo in informatika;magisteriji;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.09 - Magistrsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [K. Reba]
UDK: 004.85(043.2)
COBISS: 82279427 Povezava se bo odprla v novem oknu
Št. ogledov: 187
Št. prenosov: 30
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Improvements to the dynamic algorithm for finding maximum clique in a protein graph using machine learning
Sekundarni povzetek: Finding maximum clique is a well-researched NP-complete problem. For the practical applicability of algorithms for finding the maximum clique, they must be fast enough on the target domain of graphs. There has been a lot of progress made in recent years in the field of machine learning on graphs. In the master's thesis we use modern approaches to machine learning on graphs to speed up the dynamic algorithm for finding the maximum clique. Speedups are tested with different types of graphs with an emphasis on different types of protein graphs. We find that speeding up the maximum clique search is possible and can be achieved with a good choice of machine learning model. We also find that the speedups are not large but are consistent on almost all the graphs presented.
Sekundarne ključne besede: protein graph;maximum clique;machine learning;computer science;computer and information science;master's degree;Strojno učenje;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Magistrsko delo/naloga
Študijski program: 1000471
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 66 str.
ID: 13700563