Schlagwort: DeepLearningFramework
Deep-Learning-Framework verbessert Schätzung der Schneedeckenfraktion
Genaue Informationen zur Schneedecke sind für die Erforschung des globalen Klimas und der Hydrologie von entscheidender Bedeutung. Deep-Learning-Ansätze zur Ermittlung des Schneedeckenanteils (SCF) weisen jedoch häufig Einschränkungen in Bezug auf…
Allgemeines Deep-Learning-Framework für das Emissionsgrad-Engineering
Wellenlängenselektive thermische Emitter (WS-TEs) wurden häufig entwickelt, um gewünschte Ziel-Emissionsspektren zu erreichen, wie in der typischen Emissionsgrad-Technik, für breite Anwendungen wie thermische Tarnung, Strahlungskühlung und Gaserkennung usw. Frühere Entwürfe erforderten…
Ein Deep-Learning-Framework für die Vorhersage von Arzneimittel-Arzneimittel-Wechselwirkungen und Arzneimittel-Ziel-Wechselwirkungen
Die Erforschung der biomedizinischen Wechselwirkungen chemischer Verbindungen und Proteinziele ist für die Arzneimittelentwicklung von entscheidender Bedeutung. Die Bestimmung dieser Arzneimittel-Wirkstoff-Wechselwirkungen (DDI) und Arzneimittel-Ziel-Wechselwirkungen (DTI) deckt nicht nur die potenziellen synergistischen…
Feinstruktursensitives Deep-Learning-Framework zur Vorhersage katalytischer Eigenschaften mit hoher Präzision
Die Feinstruktur der katalytischen Oberfläche hat einen erheblichen Einfluss auf strukturempfindliche Reaktionen, und man geht davon aus, dass Hochdurchsatz-Screening (HT) und maschinelles Lernen (ML) die potenziellen Regeln dieser Effekte effektiv…