文献类型：期刊文章

作　　者：徐优俊[1] 裴剑锋[1]

XU Youjun PEI Jianfeng(Center for Quantitative Biology, Academy for Advanced Interdisciplinary Studies, Peking University, Beijing 100871. China)

机构地区：[1]北京大学前沿交叉学科研究院定量生物学中心,北京100871

出　　处：《大数据》

基　　金：国家自然科学基金资助项目(No.21673010)~~

年　　份：2017

卷　　号：3

期　　号：2

起止页码：45-66

语　　种：中文

收录情况：NSSD、RCCSE、ZGKJHX、普通刊

摘　　要：深度学习在计算机视觉、语音识别和自然语言处理三大领域中取得了巨大的成功,带动了人工智能的快速发展。将深度学习的关键技术应用于化学信息学,能够加快实现化学信息处理的人工智能化。化合物结构与性质的定量关系研究是化学信息学的主要任务之一,着重介绍各类深度学习框架(深层神经网络、卷积神经网络、循环或递归神经网络)应用于化合物定量构效关系模型的研究进展,并针对深度学习在化学信息学中的应用进行了展望。

关 键 词：深度学习  人工智能 定量构效关系 化学信息学

分 类 号：TP301]