کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5846669 1128495 2013 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting carcinogenicity of diverse chemicals using probabilistic neural network modeling approaches
ترجمه فارسی عنوان
پیش بینی عوامل سرطان زایی مواد شیمیایی متنوع با استفاده از روش های مدل سازی شبکه عصبی احتمالی
کلمات کلیدی
سرطان زایی تنوع شبکه عصبی احتمالی شبکه عصبی رگرسیون عمومی، مدل بین المللی، توصیفگرهای مولکولی،
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم محیط زیست بهداشت، سم شناسی و جهش زایی
چکیده انگلیسی
Figure (a) shows classification accuracies (positive and non-positive carcinogens) in rat, mouse, hamster, and pesticide data yielded by optimal PNN model. Figure (b) shows generalization and predictive abilities of the interspecies GRNN model to predict the carcinogenic potency of diverse chemicals.91
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Toxicology and Applied Pharmacology - Volume 272, Issue 2, 15 October 2013, Pages 465-475
نویسندگان
, , ,