Universitas Indonesia Faculty of Computer Science;
Universitas Indonesia Faculty of Pharmacy;
feature extraction; feature selection; learning (artificial intelligence); medical computing; medicine; microorganisms; pattern classification; support vector machines;
机译:基于全局敏感性分析的新颖特征选择方法,其应用于基于机器学习的预测模型
机译:基于两阶段特征选择方法的HIV-1蛋白酶切割位点预测
机译:通过分子对接和MM-PBSA方法预测植物中非消化性HCV NS3丝氨酸蛋白酶抑制剂的结合
机译:特征选择方法对印度尼西亚药用植物化合物和HIV-1蛋白酶机的基于机器学习的对接预测
机译:Taban Kenyah(Kenyah药)的味道和气味:印度尼西亚婆罗洲东加里曼丹的Kenyah Leppo` Ke中药用植物化学感应选择标准的探索。
机译:基于一致性的线性支持向量机特征选择方法用于HIV-1蛋白酶切割位点预测
机译:用药物重新施肥和分子对接方法预测来自多种药用植物化合物的SARS-COV-2主要蛋白酶抑制剂。