阿夫根

AFGen是一个程序,它将一组化合物作为输入,并根据它们包含的一组基于片段的描述符生成它们的向量空间表示。描述空间由具有三种不同拓扑类型的图片段组成:路径(PF)、无环子图(AF)和任意拓扑子图(GF)。这种基于向量的表示可用于化学信息学中的不同任务,包括相似性搜索、虚拟筛选和库设计。这些描述符在捕捉化合物的结构特征方面非常有效。基于支持向量机的分类和排名检索的实验表明,这些描述符在统计上一致地优于基于广泛使用的指纹和Maccs密钥的描述符的方案,以及最近引入的通过挖掘和分析分子图结构得到的描述符。


zbMATH中的参考文献(参考文献22条)

显示第1到第20个结果,共22个。
按年份排序(引用)
  1. 陈杰;萨阿德,尤瑟夫;张泽臣:图形粗化:从科学计算到机器学习(2022)
  2. 戴维德,巴丘;康蒂,阿莱西奥;格罗西,罗伯托;兰多菲,弗朗西斯科;Marino,Andrea:图神经网络的K-plex覆盖池(2021)
  3. 马桂香;艾哈迈德,奈斯林K。;威尔克,西奥多L。;俞,Philip S.:深度图相似性学习:一项调查(2021年)
  4. 马、郑;宣、君玉;王玉光;李明;Liò,Pietro:基于路径积分的图神经网络卷积与池(2021)
  5. 艾哈迈德,亚马尔;哈桑,佐哈尔·拉扎;Shabbir,Mudassir:通过结构压缩可解释的多尺度图描述符(2020)
  6. 戴维德,巴丘;埃里卡,费德里科;米其利,阿莱西奥;波达,马可:图的深度学习简介(2020)
  7. 克里格,尼尔斯M。;纽曼,马里恩;莫里斯,克里斯托弗;克尔斯汀,克里斯汀;Mutzel,Petra:图核显式和隐式特征映射的统一观点(2019)
  8. 戈什,斯瓦伦杜;达斯,尼伯兰;冈萨尔维斯,特蕾莎;夸雷斯马,保罗;马汉塔帕斯昆都:图核的二十年之旅(2018)
  9. 白、鲁;Hancock,Edwin R.:无分布图的快速基于深度的子图核(2016)
  10. 纽曼,马里恩;加内特,罗马人;包哈格,基督徒;Kersting,Kristian:传播核:来自传播信息的有效图核(2016)
  11. 加兹雷,贝诺伊特;格雷尼尔,皮埃尔·安东尼;布鲁恩,吕克;Villemin,Didier:Treelet核结合化学信息学中的循环、立体和模式间信息(2015)
  12. 白、鲁;Hancock,Edwin R.:图的基于深度的复杂性轨迹(2014)
  13. 希耶特加特,利安德;拉蒙,简;Bruynooghe,Maurice:外平面图的多项式时间最大公共子图算法及其在化学信息学中的应用(2013)
  14. 李庚;塞默奇,穆拉特;耶纳,比伦;Zaki,Mohammed J.:基于拓扑和标签属性的有效图分类(2012)
  15. 罗班,穆罕默德侯赛因;Rabiee,Hamid R.:半监督分类的监督邻域图构造(2012)
  16. 希耶特加特,利安德;科斯塔,法布里齐奥;拉蒙,简;De Raedt,Luc:最大公共子图抽样的有效特征构造(2011)
  17. 陈,尤世阳;郑清学:基于属性粒度的粗糙集分类器预测金融业的PGR(2010)ioport公司
  18. 汤玛,玛丽莎;程红;格雷顿,亚瑟;韩佳薇;克里格尔,汉斯·彼得;斯莫拉,亚历克斯;歌,乐;于,菲利普S。;阎锡峰;Borgwardt,Karsten M.:具有最优性保证的判别频繁子图挖掘(2010)
  19. 卡马特,钱德里卡:科学数据挖掘。实用的观点。(2009年)
  20. 斋藤、广藤;诺沃辛,塞巴斯蒂安;加多瓦基,田田市;工藤、大谷;Tsuda,Koji:gBoost:图形分类和回归的数学规划方法(2009)

更多出版物请访问:http://glaros.dtc.umn.edu/gkhome/publications