...
机译:通过机器学习预测杂交的基团C-H官能化的区域选择性
Zhejiang Univ Dept Chem 38 Zheda Rd Hangzhou 310027 Peoples R China;
Zhejiang Univ Dept Chem 38 Zheda Rd Hangzhou 310027 Peoples R China;
Zhejiang Univ Dept Chem 38 Zheda Rd Hangzhou 310027 Peoples R China;
Zhejiang Univ Dept Chem 38 Zheda Rd Hangzhou 310027 Peoples R China;
machine learning; mechanism-based computational statistics; radical C-H functionalization; random forest model; regioselectivity prediction;
机译:通过机器学习预测杂交的基团C-H官能化的区域选择性
机译:未保护的氨基酸作为杂环C-H功能化的稳定自由基前体
机译:电子缺陷型杂芳烃的基于自由基的区域选择性C-H功能化:范围,可调谐性和可预测性
机译:采用监督机器学习预测非功能性要求的比较分析
机译:第一部分:将镍离子和自由基与镍催化结合。第二部分使用机器学习进行预测反应建模
机译:电子缺陷型杂芳烃的基于自由基的区域选择性C-H功能化:范围可调谐性和可预测性
机译:MP60-14比较深度学习,机器学习和传统回归作为机器人辅助自由基前列腺切除术后尿肠的预测模型