Uma Abordagem Utilizando Deep Q-Network para Otimizar o Processo de Aprendizado por Reforço Aplicado a Montagem de Genomas
aprendizado de máquinas, aprendizado por reforço, montagem de genomas
O aprendizado por reforço tem como objetivo a construção de sistemas inteligentes, na
qual utilizam abordagens computacionais que visam um modelo autônomo, ou seja, o processo
de aprendizado é realizado de forma independente e não determinística. Essa abordagem tem
atraído pesquisadores de várias áreas, entretanto, ainda não foi muito explorada e aplicada de
forma satisfatória ao problema de montagem de genomas. O objetivo deste trabalho é otimizar o modelo proposto por Bocicor, Czibula e Czibula (2011), utilizando uma nova abordagem, denominada Deep Q-learning baseada em redes neurais como forma de substituir a abordagem mencionada anteriormente, que possui tais limitações, permitindo assim entradas dimensionalmente maiores juntamente com modelos de aprendizado de máquina sofisticados, a fim de se trabalhar com uma quantidade de sequências consideravelmente maior, aproximando-se de problemas reais da montagem de genomas.