Machine Learning and Deep Learning in Computational Toxicology 2023
89,000 تومان
دانلود کتاب پزشکی یادگیری ماشین و یادگیری عمیق در سم شناسی محاسباتی
نویسنده |
Huixiao Hong |
---|---|
انتشارات |
Springer International Publishing |
زبان |
English |
تاریخ انتشار |
2023-02-19 |
تعداد صفحهها |
670 |
نوع فایل |
|
حجم |
19 Mb |
سال انتشار |
2023 |
امکان مطالعه در اپلیکیشن کالیبو
توضیحات
این کتاب مجموعهای از الگوریتمها، روشها، معماریها و ابزارهای نرمافزاری یادگیری ماشینی و یادگیری عمیق است که توسعه یافته و به طور گسترده در سمشناسی پیشبینیکننده کاربرد دارد. مجموعه ای از برنامه های کاربردی پیشرفته را با استفاده از آخرین تکنیک های یادگیری ماشین و یادگیری عمیق در تجزیه و تحلیل انواع داده های نقطه پایانی سم شناسی گردآوری می کند. این مطالب، الگوریتمها، روشها و ابزارهای نرمافزاری یادگیری ماشین و یادگیری عمیق را توضیح میدهد و کاربردهای یادگیری ماشین و یادگیری عمیق در سمشناسی پیشبینیکننده را با متن، شکلها و جداول آموزنده ارائهشده توسط کارشناسان سطح اول خلاصه میکند. یکی از ویژگی های اصلی، مطالعات موردی کاربردهای یادگیری ماشینی و یادگیری عمیق در تحقیقات سم شناسی است که به عنوان نمونه ای برای خوانندگان برای یادگیری نحوه به کارگیری تکنیک های یادگیری ماشین و یادگیری عمیق در سم شناسی پیش بینی کننده عمل می کند. انتظار می رود این کتاب مرجعی برای کاربردهای عملی یادگیری ماشین و یادگیری عمیق در تحقیقات سم شناسی باشد. این یک راهنمای مفید برای سم شناسان، شیمیدانان، محققان کشف و توسعه دارو، دانشمندان نظارتی، بازبینان دولتی و دانشجویان تحصیلات تکمیلی است. مزیت اصلی برای خوانندگان درک تکنیک های یادگیری ماشینی و یادگیری عمیق و به دست آوردن روش های عملی برای استفاده از یادگیری ماشین و یادگیری عمیق در سم شناسی پیش بینی است.
توضیحات(انگلیسی)
This book is a collection of machine learning and deep learning algorithms, methods, architectures, and software tools that have been developed and widely applied in predictive toxicology. It compiles a set of recent applications using state-of-the-art machine learning and deep learning techniques in analysis of a variety of toxicological endpoint data. The contents illustrate those machine learning and deep learning algorithms, methods, and software tools and summarise the applications of machine learning and deep learning in predictive toxicology with informative text, figures, and tables that are contributed by the first tier of experts. One of the major features is the case studies of applications of machine learning and deep learning in toxicological research that serve as examples for readers to learn how to apply machine learning and deep learning techniques in predictive toxicology. This book is expected to provide a reference for practical applications of machine learning and deep learning in toxicological research. It is a useful guide for toxicologists, chemists, drug discovery and development researchers, regulatory scientists, government reviewers, and graduate students. The main benefit for the readers is understanding the widely used machine learning and deep learning techniques and gaining practical procedures for applying machine learning and deep learning in predictive toxicology.
محصولات مرتبط
Kognitive Erhaltungstherapie bei rezidivierender Depression: Rückfälle verhindern, psychische Gesundheit erhalten. Mit CD-ROM 2011
89,000 تومان