人工智能在生物信息學中的應用 雷秀娟 潘毅 9787030765482 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：科學
物品所在地：中國大陸
原出版社：科學
NT$1,259
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202310*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：人工智能在生物信息學中的應用 ISBN：9787030765482 出版社：科學 著編譯者：雷秀娟 潘毅 頁數：464 所在地：中國大陸 *此為代購商品 書號：1606277 可大量預訂，請先連絡。 內容簡介 本書以人工智慧方法和生物組學數據分析為主線，闡述了人工智慧中的群智能優化、機器學習、深度學習等演算法的基本原理，並探討了如何將這些演算法應用於生物信息學相關問題的研究中，如蛋白質複合物挖掘、關鍵蛋白質識別、疾病基因預測、多種組學（轉錄組學、代謝組學、微生物組學)數據與疾病的關聯關係預測、circRNA-RBP結合位點預測、RNA甲基化位點預測以及藥物發現等。本書系統收集整理了生物組學相關資料庫，另結合應用問題，從人工智慧演算法設計到具體流程計算，再到結果分析，均給出了詳細步驟，以上均是本書的特色所在。 本書適合人工智慧、計算機科學、生物信息學、生命科學、生物統計、生物化學以及其他交叉學科專業的高年級本科生及研究生學習，也可供其他理工科專業研究人員、程序開發人員和生物信息計算愛好者參考。目錄 序前言 第1章 緒論 1 1 引言 1 2 人工智慧 1 2 1 人工智慧的發展歷史 1 2 2 人工智慧的發展現狀 1 3 大數據時代下的生物信息學 1 3 1 生物信息學 1 3 2 組學大數據的誕生 1 3 3 組學數據的類型與特點 1 3 4 多組學數據融合研究 1 4 人工智慧在生物信息領域中的應用 1 4 1 人工智慧與生物醫藥 1 4 2 人工智慧在多組學數據分析中的應用 1 5 章節安排 1 6 小結 參考文獻 第2章 生物多組學知識與資料庫介紹 2 1 引言 2 2 組學基礎知識 2 2 1 基因組學 2 2 2 蛋白質組學 2 2 3 轉錄組學 2 2 4 代謝組學 2 2 5 微生物組學 2 2 6 表觀遺傳組學 2 2 7 單細胞組學 2 2 8 時空組學 2 3 生物數據資源 2 3 1 生物信息學常用資料庫 2 3 2 基因數據資源與常用工具 2 3 3 蛋白質數據資源 2 3 4 非編碼RNA資料庫 2 3 5 代謝物數據資源 2 3 6 微生物資料庫 2 3 7 表觀遺傳組學資料庫 2 3 8 單細胞組學資料庫 2 3 9 時空組學資料庫 2 3 10 疾病及疾病靶點資料庫 2 3 11 藥物資料庫 2 4 小結 參考文獻 第3章 生物網路特性與相似性 3 1 引言 3 2 生物網路概述 3 2 1 生物網路的構建 3 2 2 二分網路和異構網路 3 3 生物網路結點的度量方法 3 3 1 中心性度量方法 3 3 2 PageRank演算法 3 4 相似性計算方法 3 4 1 基於拓撲結構的相似性 3 4 2 基於序列的相似性 3 4 3 基於表達數據的相似性 3 4 4 基於語義本體的相似性 3 4 5 基於關聯關係的相似性 3 4 6 基於分子結構的相似性 3 4 7 基於網路傳播的相似性 3 5 小結 參考文獻 第4章 智能優化演算法 4 1 引言 4 2 粒子群優化演算法 4 2 1 粒子群優化演算法仿生原理 4 2 2 基本粒子群優化演算法描述 4 2 3 基本粒子群優化演算法步驟 4 3 人工魚群演算法 4 3 1 人工魚群演算法仿生原理 4 3 2 人工魚群演算法描述 4 3 3 人工魚群演算法步驟 4 4 人工蜂群演算法 4 4 1 人工蜂群演算法仿生原理 4 4 2 人工蜂群演算法描述 4 4 3 人工蜂群演算法步驟 4 5 螢火蟲演算法 4 5 1 螢火蟲演算法仿生原理 4 5 2 螢火蟲演算法描述 4 5 3 螢火蟲演算法步驟 4 6 布谷鳥搜索演算法 4 6 1 布谷鳥搜索演算法仿生原理 4 6 2 布谷鳥搜索演算法描述 4 6 3 布谷鳥搜索演算法步驟 4 7 果蠅優化演算法 4 7 1 果蠅優化演算法仿生原理 4 7 2 果蠅優化演算法描述 4 7 3 果蠅優化演算法步驟 4 8 花授粉演算法 4 8 1 花授粉演算法仿生原理 4 8 2 花授粉演算法描述 4 8 3 花授粉演算法步驟 4 9 鴿群優化演算法 4 9 1 鴿群優化演算法仿生原理 4 9 2 鴿群優化演算法描述 4 9 3 鴿群優化演算法步驟 4 10 小結 參考文獻 第5章 機器學習 5 1 引言 5 2 邏輯回歸 5 2 1 邏輯回歸原理 5 2 2 模型求解 5 3 支持向量機 5 3 1 支持向量機演算法原理 5 3 2 核函數 5 4 決策樹和隨機森林 5 4 1 決策樹 5 4 2 隨機森林 5 5 神經網路 5 5 1 單層神經網路 5 5 2 多層神經網路 5 5 3 激活函數 5 6 基於劃分的聚類演算法 5 6 1 k-Means聚類演算法 5 6 2 k-中心點聚類演算法 5 7 基於密度的聚類演算法 5 7 1 DBSCAN演算法 5 7 2 OPTICS演算法 5 8 基於層次的聚類演算法 5 8 1 BIRCH演算法 5 8 2 變色龍聚類演算法 5 9 馬爾可夫聚類演算法 5 10 評價指標 5 10 1 數值評價指標 5 10 2 圖形評價指標 5 10 3 交叉驗證 5 11 小結 參考文獻 第6章 深度學習 6 1 引言 6 2 卷積神經網路 6 2 1 卷積的概念 6 2 2 卷積神經網路的基本結構 6 2 3 卷積神經網路的求解 6 3 循環神經網路 6 3 1 循環神經網路的基本模型 6 3 2 長短期記憶網路 6 3 3 門控循環單元 6 4 自編碼器 6 4 1 自編碼器原理 6 4 2 深度自編碼器 6 4 3 圖自編碼器 6 5 圖神經網路 6 5 1 圖神經網路原理 6 5 2 圖神經網路分類 6 6 圖卷積網路 6 6 1 圖卷積網路原理 6 6 2 圖卷積網路的理解 6 7 圖注意力網路 6 7 1 注意力機制 6 7 2 圖注意力網路模型 6 8 Word2vec詞嵌入演算法 6 8 1 詞嵌入 6 8 2 連續詞袋模型 6 8 3 跳字模型 6 9 小結 參考文獻 第7章 PPI網路及蛋白質複合物挖掘方法 7 1 引言 7 2 蛋白質複合物 7 2 1 蛋白質複合物作用 7 2 2 蛋白質複合物結構 7 3 基於群智能優化的蛋 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
