于延欧
人员信息
优化列表
![笔记](https://dblp.dagstuhl.de/img/note-mark.dark.12x12.png)
2020年-今天
2024 【j30】 范·特勒 , 穆罕默德·沙希德·马利克 , 曾毅勋(Yi-Hsuan Tseng) , 李宇成 , 程一黄 , 于延欧 :
DeepPLM_mCNN:一种基于预训练语言模型特征的多窗口CNN增强离子通道和离子转运蛋白识别的方法。 计算。 生物化学。 110 : 108055 ( 2024 ) [j29] 李瑞宣 , 埃里克·肖光武 , 于延欧 , 李月车 , 李成勋 , 恰如涌 :
抗药物Chatbot:基于中国BERT的认知意向分析。 IEEE传输。 计算。 社会系统。 11 ( 1 ) : 514-521 ( 2024 ) 2022 [公元28年] Quang-Tai Ho公司 , 阮国康乐 , 于延欧 :
mCNN-ETC:利用蛋白质序列的进化信息,在卷积神经网络中使用多窗口扫描技术识别电子转运蛋白及其功能家族。 生物信息简报。 23 ( 1 ) ( 2022 ) [公元27年] Trinh-Trung-Duong Nguyen公司 , The-Anh Tran公司 , 阮国康乐 , 丁明范 , 于延欧 :
使用基于机器学习的方法在基因组DNA启动子中发现5-甲基胞嘧啶位点的广泛检查。 IEEE ACM传输。 计算。 生物信息。 19 ( 1 ) : 87-94 ( 2022 ) [j26] Trinh-Trung-Duong Nguyen公司 , Quang-Tai Ho公司 , 阮国康乐 , Van-Dinh Phan公司 , 于延欧 :
使用不同单词嵌入类型的Chou五步规则提高电子传递蛋白预测模型的性能。 IEEE ACM传输。 计算。 生物信息。 19 ( 2 ) : 1235-1244 ( 2022 ) 2021 [公元25年] 阮国康乐 , Quang-Tai Ho公司 , Trinh-Trung-Duong Nguyen公司 , 于延欧 :
基于BERT和2D卷积神经网络的变压器结构,用于从序列信息中识别DNA增强子。 生物信息简报。 22 ( 5 ) ( 2021 ) [公元24年] Trinh-Trung-Duong Nguyen公司 , Duc-Khanh Nguyen先生 , 于延欧 :
使用变分自动编码器和卷积神经网络解决配体结合位点预测中的数据不平衡问题。 生物信息简报。 22 ( 6 ) ( 2021 ) [公元23年] 赛义德·穆阿扎姆·阿里·沙阿 , 塞米·韦伦·塔朱 , 邦加尼·布莱恩·德拉米尼 , 于延欧 :
DeepSIRT:用于识别sirtuin靶点及其亚细胞定位的深度神经网络。 计算。 生物化学。 93 : 107514 ( 2021 ) [公元22年] 塞米·韦伦·塔朱 , 赛义德·穆阿扎姆·阿里·沙阿 , 于延欧 :
ActTRANS:基于转移学习和上下文表示的活性转运蛋白的功能分类。 计算。 生物化学。 93 : 107537 ( 2021 ) [公元21年] Trinh-Trung-Duong Nguyen公司 , 阮国康乐 , The-Anh Tran公司 , Dinh-Minh Pham餐厅 , 于延欧 :
将转移学习技术与氨基酸嵌入相结合,以有效预测离子通道中的N-连接糖基化位点。 计算。 生物医药 130 : 104212 ( 2021 ) [公元20年] Quang-Tai Ho公司 , Trinh-Trung-Duong Nguyen公司 , 阮国康乐 , 余燕鸥 :
FAD-BERT:使用深度双向变压器的预训练改进了FAD结合位点的预测。 计算。 生物医药 131 : 104258 ( 2021 ) [公元19年] 赛义德·穆阿扎姆·阿里·沙阿 , 塞米·韦伦·塔朱 , Quang-Tai Ho公司 , Trinh-Trung-Duong Nguyen公司 , 于延欧 :
GT-Finder:使用预先训练的BERT语言模型对葡萄糖转运蛋白家族进行分类。 计算。 生物医药 131 : 104259 ( 2021 ) [公元18年] 赛义德·穆阿扎姆·阿里·沙阿 , 于延欧 :
TRP-BERT:使用基于BERT的深度双向变压器的上下文表示来区分瞬态受体电位(TRP)通道。 计算。 生物医药 137 : 104821 ( 2021 ) 2020 [公元17年] 埃里克·肖光武 , 春翰林 , 余燕鸥 , 刘振中(音) , 王伟凯 , 赵池云 :
混合型K-12 E-Learning Assistant Chatbot的优势和限制。 IEEE接入 8 : 77788-77801 ( 2020 ) [公元16年] 埃里克·肖光武 , 宋恩晨 , Jhao-Jhong刘 , 于延欧 , 明日 :
用于K-12问题驱动学习中问题分类的自相关CNN-SVM模型。 IEEE接入 8 : 225822-225830 ( 2020 ) [公元15年] 阮国康乐 , Quang-Tai Ho公司 , 爱德华·建叶(Edward Kien Yee Yapp) , 于延欧 , 叶慧媛 :
DeepETC:用于研究和分类电子传输链复合体的深度卷积神经网络结构。 神经计算 375 : 71-79 ( 2020 )
2010 – 2019
2019 [公元14年] 阮国康乐 , Quang-Tai Ho公司 , 于延欧 :
使用二维卷积神经网络识别Rab蛋白中的GTP结合位点。 J.生物信息。 计算。 生物。 17 ( 1 ) : 1950005:1-1950005:19 ( 2019 ) [j13] 塞米·韦伦·塔朱 , 于延欧 :
DeepIon:从膜蛋白中分类离子转运蛋白和离子通道的深度学习方法。 J.计算。 化学。 40 ( 15 ) : 1521-1529 ( 2019 ) [i1] Rosdyana Mangir Irawan Kusuma公司 , 庄士豪 , 魏春高 , 于延欧 , 凯龙华 :
使用深度学习神经网络和烛台图表示预测股市。 CoRR公司 abs/1903.12258 ( 2019 ) 2018 [公元12年] 塞米·韦伦·塔朱 , Trinh-Trung-Duong Nguyen公司 , 阮国康乐 , Rosdyana Mangir Irawan Kusuma公司 , 余燕鸥 :
深流出:用于识别转运蛋白流出蛋白家族的2D卷积神经网络模型。 生物信息。 34 ( 18 ) : 3111-3117 ( 2018 ) [公元11年] 阮国康乐 , 绿色阿瑟·桑德格 , 于延欧 :
结合翻译后修饰信息以增强膜转运蛋白的预测性能。 计算。 生物化学。 77 : 251-260 ( 2018 ) 2017 [公元10年] 阮国康乐 , Quang-Tai Ho公司 , 于延欧 :
将深度学习与卷积神经网络和位置特异性评分矩阵相结合,用于识别电子传递蛋白。 J.计算。 化学。 38 ( 23 ) : 2000-2006 ( 2017 ) 2016 [公元9年] 阮国康乐 , 于延欧 :
结合有效的径向基函数网络和重要的氨基酸对预测转运蛋白中的GTP结合位点。 BMC生物信息。 17 ( 第19页 ) : 183-192 ( 2016 ) [j8] 阮国康乐 , 于延欧 :
根据有效的径向基函数网络和重要的氨基酸对预测电子传递蛋白中的FAD结合位点。 BMC生物信息。 17 : 298 ( 2016 ) 【c9】 塞米·韦伦·塔朱 , 阮国康乐 , 于延欧 :
利用深度学习和位置特异性评分矩阵识别膜和转运蛋白中的流出蛋白。 BIBE公司 2016 : 101-108 2014 [j7] 迈克尔·格罗米哈 , 于延欧 :
膜蛋白功能注释的生物信息学方法。 生物信息简报。 15 ( 2 ) : 155-168 ( 2014 ) 2011 [j6] 陈淑安 , 于延欧 , 李宗毅 , 迈克尔·格罗米哈 :
使用具有PSSM剖面和生化特性的高效RBF网络预测转运蛋白靶点。 生物信息。 27 ( 15 ) : 2062-2067 ( 2011 ) 2010 [j5] 陈淑安 , 李宗毅 , 于延欧 :
结合重要的氨基酸对来识别跨膜蛋白和非跨膜蛋白上的O-连接糖基化位点。 BMC生物信息。 11 : 536 ( 2010 ) 【j4】 于延欧 , 陈淑安 , 迈克尔·格罗米哈 :
准确预测β-桶膜蛋白的跨膜片段和拓扑结构。 J.计算。 化学。 31 ( 1 ) : 217-223 ( 2010 ) 【c8】 陈淑安 , 于延欧 , 迈克尔·格罗米哈 :
拓扑预测 阿尔法 -螺旋形和 贝塔 -使用RBF网络的桶跨膜蛋白质。 ICIC(1) 2010 : 642-649
2000 – 2009
2009 【c7】 于延欧 , 陈淑安 :
基于PSSM谱和生化特性,使用高效RBF网络对转运蛋白进行分类。 IWANN(1) 2009 : 869-876 2008 [j3] 于延欧 , 迈克尔·格罗米哈 , 陈淑安 , Makiko Suwa公司 :
TMBETADISC-RBF:利用RBF网络和PSSM图谱鉴别β-桶膜蛋白。 计算。 生物化学。 32 ( 三 ) : 227-231 ( 2008 ) 2007 【c6】 苏忠泰 , 童明秀 , 陈建宇 , 于延欧 , 欧阳彦正 :
通过精细二级结构预测增强蛋白质紊乱检测。 鸟 2007 : 395-409 【c5】 欧阳彦正 , 达比·田浩昌 , 于延欧 , 豪耿鸿 , 陈建宇 :
用一种新的核密度估计器预测蛋白质二级结构。 百万吨/年 2007 : 79-84 【c4】 于延欧 , 陈淑安 , 钟露韶 , 豪耿鸿 :
基于PSSM谱和生化特性的高效RBF网络识别界面残留物。 PRIB公司 2007 : 132-141 2006 [注2] 苏忠泰 , 陈建宇 , 于延欧 :
考虑有序或无序倾向的浓缩PSSM预测蛋白质无序。 BMC生物信息。 7 : 319 ( 2006 ) 【c3】 于延欧 , 豪耿鸿 , 欧阳彦正 :
基于多元分析的非平衡数据集监督学习研究。 国际JCNN 2006 : 2201-2205 [c2] 于延欧 , 陈冠浩 , 欧阳彦正 :
基于高级数据约简算法的支持向量机快速模型选择。 价格 2006 : 1017-1021 2005 [j1] 欧阳彦正 , Shien-Ching黄 , 于延欧 , 陈建宇 , 陈志伟 :
基于新型核密度估计算法的径向基函数网络数据分类。 IEEE传输。 神经网络 16 ( 1 ) : 225-236 ( 2005 ) 2003 【c1】 于延欧 , 陈建宇 , Shien-Ching黄 , 欧阳彦正 :
基于数据简化的支持向量机快速模型选择。 SMC公司 2003 : 786-791
合著者索引
![](https://dblp.dagstuhl.de/img/cog.dark.24x24.png)