دانلود ترجمه مقاله برآورد شیوه یادگیری ماشین در روابط کمی با فعالیت نانوساختار-فعالیت – ۲۰۱۴

Translation3

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

طبقه بندی و برآورد شیوه های یادگیری ماشین در روابط کمی با فعالیت نانوساختار-فعالیت (QSAR)

عنوان انگلیسی مقاله:

Classification and Evaluation of Machine Learning Thecniques in Quantitative Nanostructure-Activity Relationship (QNAR)

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله  ۲۰۱۴
تعداد صفحات مقاله انگلیسی ۱۵صفحه با فرمت pdf
رشته های مرتبط با این مقاله مهندسی کامپیوتر و زیست شناسی
گرایش های مرتبط با این مقاله بیوانفورماتیک و هوش مصنوعی
مجله مربوطه پنجمین کنفرانس بیوانفورماتیک ایران – The 5th Iranian conference on Bioinformatics
دانشگاه تهیه کننده گروه مهندسی کامپیوتر، دانشگاه الزهرا، تهران، ایران
کلمات کلیدی این مقاله یادگیری ماشین، QNAR، QSAR، نانوذرات تولید شده، شیمی ترکیبی
رفرنس دارد

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin ۱۸صفحه
ترجمه عناوین تصاویر و جداول ترجمه شده است
ترجمه متون داخل تصاویر ترجمه نشده است
ترجمه متون داخل جداول ترجمه نشده است
درج تصاویر در فایل ترجمه درج شده است
درج جداول در فایل ترجمه درج شده است
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است
منابع داخل متن به صورت عدد درج شده است

 


  • فهرست مطالب:

 

چکیده

۱٫مقدمه

۲٫ رابطه کمی ساختار-فعالیت (QSAR)

۳٫ چالش‌های مدل‌سازی QNAR

۳٫۱ اولین چالش؛ پیچیدگی فیزیکی/ ساختاری

۳٫۲ چالش دوم؛ کدام توصیفگرها باید استفاده شوند؟

۴٫ مدل‌سازی QNAR با استفاده از تکنیک‌های یادگیری ماشین

۴٫۱ -نزدیک‌ترین همسایگان- K (kNN)

۴٫۲ رگرسیون خطی چندگانه (MLR) – شبکه عصبی مصنوعی (ANN)

۴٫۳٫ روش‌های Bayesian

۴٫۴٫ ماشین بردار پشتیبانی (SVM)

۴٫۴٫۱ ماشین بردار مربوطه (RVM)

۴٫۵ رگرسیون خطی ژنتیک- چند متغیره (MLR) -حداقل مربعات تقریبی (PLS)

۴٫۶٫ الگوریتم ژنتیک-رگرسیون خطی چند متغیره (GA-MLR)

۴٫۷ رگرسیون منطقی

۵٫ نتیجه و بحث

 


  • بخشی از ترجمه:

۳٫ نتیجه و بحث

یک کارگاه بین‌المللی COST (همکاری اروپا در زمینه علم و فناوری) در مورد استفاده از روش‌های QSAR برای مدل‌سازی اثرات بیولوژیکی نانومواد [۴۸]، roadblocks را برای دستیابی به مدل‌های مفید جهت ارزیابی خطرات نانوذرات و روش‌های غلبه بر آن‌ها شناسایی کرد. تعدادی از کارهایی که باید به‌منظور ایجاد مدل‌های مفید برای تنظیم نانوذرات در طی ده سال انجام شود توسط تنظیم‌کننده‌ها مطرح می‌شود و به سه افق زمانی تقسیم می‌شود که متخصصان شرکت‌کننده در کارگاه COST آن را یک واقعیت قابل‌دستیابی می‌داند. Winkler و همکاران ماحصل این کارگاه را ذکر کردند (شکل ۱۲).

 


  • بخشی از مقاله انگلیسی:

 

۳٫ Result and discussion

An international COST (European Cooperation in Science and Technology) workshop on the use of QSAR methods to model biological effects of nanomaterials [48] identified roadblocks to achieving helpful models for assessing nanoparticle risks, and methods for overcoming them. A number of tasks that need to be done in order to create models useful for nanoparticle regulation within the ten-year time frame asked by regulators, were divided into three time horizons that the expert consensus of COST workshop participants identified as being realistically achievable. Winkler et al. in [47] have mentioned the outcome of this workshop (figure12).

 


 

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی

 

عنوان فارسی مقاله:

طبقه بندی و برآورد شیوه های یادگیری ماشین در روابط کمی با فعالیت نانوساختار-فعالیت (QSAR)

عنوان انگلیسی مقاله:

Classification and Evaluation of Machine Learning Thecniques in Quantitative Nanostructure-Activity Relationship (QNAR)

  • برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
  • برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

 

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

 

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *