深度学习在化学信息学中的应用
深度学习在计算机视觉、语音识别和自然语言处理三大领域中取得了巨大的成功，带动了人工智能的快速 发展。将深度学习的关键技术应用于化学信息学，能够加快实现化学信息处理的人工智能化。化合物结 构与性质的定量关系研究是化学信息学的主要任务之一，着重介绍各类深度学习框架（深层神经网络、 卷积神经网络、循环或递归神经网络）应用于化合物定量构效关系模型的研究进展，并针对深度学习在 化学信息学中的应用进行了展望。
文件下载
评论信息
其他资源
- ssim的MATLAB算法程序
- GPIB卡驱动安装手册
- 微信小程序模板（几十个）
- visio2016破解工具
- matlab2016B robotics toolbox
- Qt使用openCV打开摄像头
- OFDM—MIMO系统的matlab程序
- 非均匀有理B样条.皮尔
- 【wifi密码字典】最全高频率密码字典
- 中科院中文分词系统ICTCLAS2015
- RINEX 3.02
- MSP430F149最小系统板
- 基于SPI总线的双机通信系统设计_白明方.pdf
- 丘成桐大学生数学竞赛资料.zip
- 基于无味滤波(UF)的被动传感器目标定位算法研究
- 基于透射相位梯度超表面的宽带频率扫描欺骗表面等离子极化平面天线
- 基于单片机的汽车倒车防撞系统的设计与制作.doc
- 糟糕概念：测试说明-源码
- 人力资源管理系统\人力资源管理系统项目总结报告
- C++课程设计报告及源代码
- ITcolor制作喷墨打印机icc文件的专用色卡.rar
- 数字电子课程设计——循环彩灯控制器
- java数学表达式计算程序设计报告
- QQ群发协议易语言源码
- 四元数与三维旋转，Krasjet
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明