Transfer and multi-task learning in QSAR modeling: advances and Challenges (2018)
- Authors:
- USP affiliated authors: HONORIO, KÁTHIA MARIA - EACH ; OLIVEIRA, PATRÍCIA RUFINO - EACH
- School: EACH
- DOI: 10.3389/fphar.2018.00074
- Subjects: PLANEJAMENTO DE FÁRMACOS; QUÍMICA MÉDICA; TRANSFERÊNCIA (APRENDIZAGEM); RELAÇÕES QUANTITATIVAS ENTRE ESTRUTURA QUÍMICA E ATIVIDADE BIOLÓGICA
- Language: Inglês
- Imprenta:
- Source:
- Título do periódico: Frontiers in Pharmacology
- ISSN: 1663-9812
- Volume/Número/Paginação/Ano: v. 9, p. 01-07, fev. 2018
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
SIMÕES, Rodolfo S.; MALTAROLLO, Vinicius G.; OLIVEIRA, Patrícia Rufino; HONORIO, Káthia Maria. Transfer and multi-task learning in QSAR modeling: advances and Challenges. Frontiers in Pharmacology, Lausanne, v. fe 2018, p. 01-07, 2018. Disponível em: < http://dx.doi.org/10.3389/fphar.2018.00074 > DOI: 10.3389/fphar.2018.00074. -
APA
Simões, R. S., Maltarollo, V. G., Oliveira, P. R., & Honorio, K. M. (2018). Transfer and multi-task learning in QSAR modeling: advances and Challenges. Frontiers in Pharmacology, fe 2018, 01-07. doi:10.3389/fphar.2018.00074 -
NLM
Simões RS, Maltarollo VG, Oliveira PR, Honorio KM. Transfer and multi-task learning in QSAR modeling: advances and Challenges [Internet]. Frontiers in Pharmacology. 2018 ; fe 2018 01-07.Available from: http://dx.doi.org/10.3389/fphar.2018.00074 -
Vancouver
Simões RS, Maltarollo VG, Oliveira PR, Honorio KM. Transfer and multi-task learning in QSAR modeling: advances and Challenges [Internet]. Frontiers in Pharmacology. 2018 ; fe 2018 01-07.Available from: http://dx.doi.org/10.3389/fphar.2018.00074 - Applying machine learning techniques for ADME-Tox prediction: a review
- Knowing and combating the enemy: a brief review on SARS-CoV-2 and computational approaches applied to the discovery of drug candidates
- Advances with support vector machines for novel drug discovery
- A molecular modeling study of combretastatin-like chalcones as anticancer agents using PLS, ANN and consensus models
- Machine learning techniques and drug design
- Evaluating Deep Learning models for predicting ALK-5 inhibition
- New consensus multivariate models based on PLS and ANN studies of sigma-1 receptor antagonists
- Redes neurais artificiais para extração de características
- Métodos auto-organizáveis para segmentação de imagens
- Uso de aprendizagem profunda para predição de atividade de inibidores de ALK-5
Informações sobre o DOI: 10.3389/fphar.2018.00074 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
