دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 1
نویسندگان: Huma Lodhi
سری: Premier Reference Source
ISBN (شابک) : 1615209115, 9781615209125
ناشر: IGI Global
سال نشر: 2010
تعداد صفحات: 419
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 مگابایت
در صورت تبدیل فایل کتاب Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Methods and Collaborative Techniques به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شیمیانفورماتیک و دیدگاههای یادگیری ماشینی پیشرفته: روشهای محاسباتی پیچیده و تکنیکهای مشارکتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
شیمی انفورماتیک یک حوزه علمی است که در تلاش برای مطالعه و حل مسائل پیچیده شیمیایی با استفاده از تکنیک ها و روش های محاسباتی است. شیمیانفورماتیک و دیدگاههای یادگیری ماشین پیشرفته: روشهای محاسباتی پیچیده و تکنیکهای مشارکتی، مروری بر تحقیقات کنونی در یادگیری ماشین و کاربردها در وظایف شیمیانفورماتیک ارائه میکند. این کتاب به عنوان یک خلاصه تحقیق به موقع، دیدگاه هایی را در مورد عناصر کلیدی ارائه می دهد که برای مطالعه و بررسی پیچیده بسیار مهم هستند.
Chemoinformatics is a scientific area that endeavours to study and solve complex chemical problems using computational techniques and methods. Chemoinformatics and Advanced Machine Learning Perspectives: Complex Computational Methods and Collaborative Techniques provides an overview of current research in machine learning and applications to chemoinformatics tasks. As a timely compendium of research, this book offers perspectives on key elements that are crucial for complex study and investigation.
Title\n......Page 2
List of Reviewers......Page 4
Table of Contents......Page 5
Detailed Table of Contents......Page 8
Preface......Page 16
Acknowlegment......Page 18
Graph Kernels for Chemoinformatics......Page 20
Optimal Assignment Kernels for ADME in Silico Prediction......Page 35
3D Ligand-Based Virtual Screening with Support Vector Machines......Page 54
A Simulation Study of the Use of Similarity Fusion for Virtual Screening......Page 65
Structure–Activity Relationships by Autocorrelation Descriptors and Genetic Algorithms......Page 79
Graph Mining in Chemoinformatics......Page 114
Protein Homology Analysis for Function Prediction with Parallel Sub-Graph Isomorphism......Page 148
Advanced PLS Techniques in Chemometrics and Their Applications to Molecular Design......Page 164
Nonlinear Partial Least Squares: An Overview......Page 188
Virtual Screening Methods Based on Bayesian Statistics......Page 209
Learning Binding Affinity from Augmented High Throughput Screening Data......Page 231
Application of Machine Learning in Drug Discovery and Development......Page 254
Learning and Prediction of Complex Molecular Structure-Property Relationships: Issues and Strategies for Modeling Intestinal Absorption for Drug Discovery......Page 276
Learning Methodologies for Detection and Classification of Mutagens......Page 293
Brain-like Processing and Classification of Chemical Data: An Approach Inspired by the Sense of Smell......Page 308
Prediction of Compound-Protein Interactions with Machine Learning Methods......Page 323
Chemoinformatics on Metabolic Pathways: Attaching Biochemical Informationon Putative Enzymatic Reactions......Page 337
Compilation of References......Page 359
About the Contributors......Page 406
Index......Page 413