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
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
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
Journal: Toxicology and Applied Pharmacology - Volume 272, Issue 2, 15 October 2013, Pages 465-475
نویسندگان
Kunwar P. Singh, Shikha Gupta, Premanjali Rai,