教学内容

第一章  概论3学时
第二章  生物信息理论基础3学时
  2.1 信息论的基本问题
  2.2 信息量与信息熵
  2.3 信息编码理论
第三章  贝叶斯概率理论6学时
  3.1 生物数据的建模意义
  3.2 贝叶斯概率理论的基本观点
  3.3 先验概率的选取
  3.4 参数估计
  3.5 参数的最大似然估计
第四章  贝叶斯推理与建模：应用3学时
  4.1 生物序列比对
  4.2 蛋白质结构预测
  4.3 功能位点
第五章  神经网络：理论6学时
  5.1 生物神经元与神经网络
  5.2 神经元与神经网络模型
  5.3 机器学习算法：反向误差传播算法(BP算法)
第六章  神经网络：应用3学时
  6.1 蛋白质二级结构预测
第七章  隐含马尔可夫模型：理论6学时
  7.1 随机过程
  7.2 马尔可夫过程
  7.3 隐含马尔可夫模型
  7.4 评价问题及其前向递推与后向递推算法
  7.5 解码问题及其Viterbi算法
  7.6 学习问题及其Baum-Welch算法
第八章  隐含马尔可夫模型：应用3学时
  8.1 多序列比对(profile HMM)