Dinamikus programozás Szekvenciaillesztés lineáris és tetszőleges résbüntetéssel. Gotoh algoritmusai affin és konkáv résbüntetésekre. Lokális szekvencaillesztés. Hierschberg algoritmus. A többszörös szekvenciaillesztési feladat, stratégiák, sum-of-pairs értékelés és annak NP-nehéz volta.
A legtakarékosabb fa problémája, multiway cut fákra, a Russel-Sankoff algoritmus. Nussinov algoritmusa maximális párosodásra álcsomó-mentes RNS térszerkezetekben. Transzformációs nyelvtanok Chomsky hierarchiája. Sztochasztikus reguláris nyelvtanok. Viterbi, Forward és Backward algoritmusok. Expectation Maximization. Az EM iterációban a likelihood monoton növekszik. A tropikus félgyűrű. A Viterbi algoritmus a Forward
algoritmus tropikalizációja. A Chomsky Normal Form. Minden sztochasztikus környezetfüggetlen nyelvtan valószínűségtartóan átí rható CNF-be. A
CYK, Inside és Outside algoritmusok, Expectation Maximization. Algebrai dinamikus programozás, yield grammar, evaluation grammar, hatékony implementáció objektumorientált programozási nyelvekben. Alkalmazások CpG szigetek keresése genomokban. Génkeresés. Fehérjék másodlagos térszerkezetének predikciója. A Knudsen-Hein nyelvtan, RNS-ek térszerkezetének predikciója. Genomátrendeződés. A dupla vágás és kötés model. A Hannenhalli-Pevzner elmélet: előjeles permutációk legtakarékosabb rendezései reverziókkal . Hierarchikus klaszterezés, evolúciós fa építés Ultrametrika, hierarchikus klaszterezés, UPGMA. Additív metrika, Neighbor Joining algoritmus. Karakter alapú faépítés, a nagy parszimónia probléma NP-nehéz. Adott fokszámsorozatot realizáló egyszerű, páros, irányított gráfok. Havel-Hakimi algoritmus. Bevezetés a
Markov lánc Monte Carlo módszerekbe: a Metropolis-Hastings algoritmus. Gibbs sampling. Parallel Tempering, Simulated Annealing . Példák alkalmazásokra. Tételek Markov láncok konvergenciasebességére. A mintavételezések bonyolultságelméleti alapjai: bonyolultsági osz tályok. Híres nehéz approximálható problémák.
BMETE91AM53
Akkreditációra benyújtás időpontja:
2015.02.16.
Akkreditációs bizottság döntési időpontja:
2016.04.18.
A tantárgy az alábbi témakörök ismeretére épít:
valószínűségszámítás alapfogalmai
A tantárgy szerepe a képzés céljának megvalósításában:
TTK Matematika (BSc) képzés Adattudományi sávjának kötelezően választható tárgya.
A tantárgy részletes tematikája magyarul és angolul:
Követelmények szorgalmi időszakban:
részvétel az előadásokon
Követelmények vizsgaidőszakban:
vizsga
Pótlási lehetőségek:
TVSZ szerint
Konzultációs lehetőségek:
TVSZ szerint
Kontakt óra:
28
Félévközi felkészülés órákra:
14
Felkészülés zárthelyire:
0
Zárthelyik megírása:
0
Házi feladat elkészítése:
0
Kijelölt írásos tananyag elsajátítása (beszámoló):
0
Egyéb elfoglaltság:
0
Vizsgafelkészülés:
18
Összesen:
60
Ellenőrző adat:
60
Név:
Dr. Miklós István
Beosztás:
tudományos munkatárs
Munkahely (tanszék, kutatóintézet, stb.):
Matematikai Kutatóintézet
A tanszékvezető neve:
Dr. Nagy Attila
A tantárgy adatlapja PDF-ben: