基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
一、引言 人工智能(Artificial Intelligence, AI)是计算机科学领域一个重要的分支,可概括为通过计算机程序来呈现人类智能活动规律的技术系统[1,2].机器学习(MachineLearning)是人工智能领域重要的组成部分,也是实现人工智能的一个重要途径.机器学习使计算机能够模拟人类的学习行为,自发地通过学习来获得知识和生活技能,也在学习的过程中不断改善自身性能,从而实现自我改善[3].为了达到上述目的,机器学习的主要研究内容就是从数据中学习特定任务、开发随着经验而改进的计算机算法.
推荐文章
机器学习与生物信息学
机器学习
生物信息学
学习方法
人工智能
机器学习与生物信息学
机器学习
生物信息学
学习方法
人工智能
生物信息学用于代谢网络研究的进展与展望
生物信息学
基因组学
代谢网络
代谢途径
基元模式
极端途径
核机器学习方法及其在生物信息学中的应用
核函数
核机器学习方法
生物信息学
机器学习
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 机器学习在生物信息学领域的应用与研究进展
来源期刊 人工智能 学科
关键词
年,卷(期) 2020,(1) 所属期刊栏目 落地应用
研究方向 页码范围 84-93
页数 10页 分类号
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 辛学刚 7 4 1.0 2.0
2 汤胜男 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (29)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1900(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(6)
  • 参考文献(6)
  • 二级参考文献(0)
2016(6)
  • 参考文献(6)
  • 二级参考文献(0)
2017(5)
  • 参考文献(5)
  • 二级参考文献(0)
2018(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
引文网络交叉学科
相关学者/机构
期刊影响力
人工智能
双月刊
2096-5036
10-1530/TP
16开
北京市海淀区紫竹院路66号赛迪大厦18层
2014
chi
出版文献量(篇)
800
总下载数(次)
17
论文1v1指导