深度学习在生物医药领域中的应用

本数据库通过收集和整理最新科研文献信息而得,供了解领域前沿进展之用。数据源自 PubMed Data ,每日自动更新,已收录文献数量参见 统计表格。表格内容由 GPT 自动整理,可能存在错误或遗漏,请使用时务必注意核实!

如有建议或合作意向,欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布,欢迎下载 源码 自行修改使用。如觉得不错,还请不吝 给我打赏,你的支持是我继续创新的重要动力!

Sample Image
添加微信请说明来意
Sample Image
微信赞赏

除通过在线浏览外,为方便用户离线查阅,本站也提供 付费下载(定价10元)。之所以考虑收费,是因为批量扫描这些文献并整理也是有一定成本的,还请理解并多多支持。本站数据会持续更新,而仅需一次付费,未来就可以随时重新下载到最新版本数据。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:201807-201807] [清除筛选条件]
当前共找到 2 篇文献。
序号 推送日期 文章 类型 简述 创新点 不足 研究目的 研究对象 领域 病种 技术 模型 数据类型 样本量
1 2024-11-12
Towards a Scalable Software Defined Network-on-Chip for Next Generation Cloud
2018-Jul-18, Sensors (Basel, Switzerland)
研究论文 本文提出了一种可扩展的软件定义片上网络(SDNoC)架构,以支持下一代云计算中的高效和可扩展系统 本文的创新点在于结合了分层片上网络拓扑(如环形和2D网格拓扑)与动态重配置的优势,并引入了数据驱动的编程执行模型,以支持深度学习应用 本文未详细讨论在实际部署中可能遇到的硬件和软件兼容性问题 研究目的是设计一种可扩展且高效的片上网络架构,以支持云计算中的各种应用需求 研究对象包括片上网络的拓扑结构、动态重配置机制以及数据驱动的编程执行模型 计算机网络 NA 片上网络(NoC) NA NA 实验中使用了最多1024个处理核心(PEs)进行对比测试
2 2024-08-07
Extracting psychiatric stressors for suicide from social media using deep learning
2018-07-23, BMC medical informatics and decision making IF:3.3Q2
研究论文 本研究旨在利用深度学习方法从社交媒体Twitter中提取与自杀相关的心理压力源 首次尝试使用深度学习方法从Twitter数据中提取心理压力源,并通过转移学习策略利用现有临床文本注释数据集 NA 探索识别Twitter上与自杀相关的心理压力源的技术 Twitter上的自杀相关推文 机器学习 NA 深度学习 卷积神经网络(CNN)和循环神经网络(RNN) 文本 包含自杀相关推文的Twitter数据集
回到顶部