Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
  Lokale TagsFreigabegeschichteDetailsÜbersicht

Freigegeben
Konferenzbeitrag

An Empirical Analysis of Domain Adaptation Algorithms for Genomic Sequence Analysis

MPG-Autoren
/persons/resource/persons84204

Schweikert,  G
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;

/persons/resource/persons84193

Schölkopf,  B
Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society;

Externe Ressourcen

https://papers.nips.cc/paper/3407-an-empirical-analysis-of-domain-adaptation-algorithms-for-genomic-sequence-analysis.pdf
(Verlagsversion)

Volltexte (beschränkter Zugriff)
Für Ihren IP-Bereich sind aktuell keine Volltexte freigegeben.
Volltexte (frei zugänglich)
Es sind keine frei zugänglichen Volltexte in PuRe verfügbar
Ergänzendes Material (frei zugänglich)
Es sind keine frei zugänglichen Ergänzenden Materialien verfügbar
Zitation

Schweikert, G., Widmer, C., Schölkopf, B., & Rätsch, G. (2009). An Empirical Analysis of Domain Adaptation Algorithms for Genomic Sequence Analysis. In D. Koller, D. Schuurmans, Y. Bengio, & L. Bottou (Eds.), Advances in neural information processing systems 21 (pp. 1433-1440). Red Hook, NY, USA: Curran.


Zitierlink: https://hdl.handle.net/11858/00-001M-0000-0013-C46B-8
Zusammenfassung
We study the problem of domain transfer for a supervised classification task in mRNA splicing. We consider a number of recent domain transfer methods from machine learning, including some that are novel, and evaluate them on genomic
sequence data from model organisms of varying evolutionary distance. We find that in cases where the organisms are not closely related, the use of domain adaptation methods can help improve classification performance.