医学文献 >>
  • 检索发现
  • 增强检索
知识库 >>
  • 临床诊疗知识库
  • 中医药知识库
评价分析 >>
  • 机构
  • 作者
默认
×
热搜词:
换一批
论文 期刊
取消
高级检索

检索历史 清除

当前检索式: 关键词=(network representation learning)
当前检索式
关键词=(network representation learning)
展开
  • 排序
  • 筛选
264条结果
资源类型收起
  • 257
  • 7
中图分类展开
1
1
1
年份展开
关键词聚类展开
  • 37
  • 29
  • 26
  • 21
  • 20
更多...
关键词聚类
    加载更多选项
      定制检索筛选项
      中文期刊
      刊名
      作者
      作者单位
      收录源
      栏目名称
      语种
      主题词
      外文期刊
      文献类型
      刊名
      作者
      主题词
      收录源
      语种
      学位论文
      授予学位
      授予单位
      会议论文
      主办单位
      专      利
      专利分类
      专利类型
      国家/组织
      法律状态
      申请/专利权人
      发明/设计人
      成      果
      鉴定年份
      学科分类
      地域
      完成单位
      标      准
      强制性标准
      中标分类
      标准类型
      标准状态
      来源数据库
      法      规
      法规分类
      内容分类
      效力级别
      时效性
        加载更多选项
          定制检索筛选项
          当前检索式: 关键词=(network representation learning)
          当前检索式
          关键词=(network representation learning)
          展开
          共264条结果
          排序方式
          出版时间 相关度 被引次数 下载量
          清除 | 已选 0/200
          0

          【中文期刊】 吴胜男  吴佳辉  等 《医学信息学杂志》 2025年46卷2期 68-75页ISTICCA

          【摘要】 目的/意义探讨网络表示学习与链路预测在挖掘潜在医学实体关系方面的应用,为医学知识发现研究提供新视角.方法/过程从PubMed数据库获取文献摘要,利用"主语-行为-宾语"语义挖掘方案识别疾病与药物治疗信息,抽取药物实体与疾病实体,构建"药物-...

          【关键词】 二分网络"主语-行为-宾语"语义挖掘网络表示学习

          浏览:2 被引:0 下载:5
          • 概要:
          • 方法:
          • 结论:
          收起
          AI内容生成中……
          以上内容由AI生成,结果仅供参考

          【中文期刊】 石凯  柳乔晖  等 《软件导刊》 2025年24卷5期 28-34页

          【摘要】 人体肠道微生物与人类健康密切相关,许多疾病的发生都伴随着肠道微生物群落的失衡.从微生物组数据中准确预测宿主表型对于理解疾病的发生和发展具有重要意义.机器学习方法在微生物组的表型预测上展现出了强大的能力.然而,微生物组数据的稀疏性、高维性和特...

          【关键词】 机器学习微生物组分析微生物相关网络

          浏览:0 被引:0 下载:0
          • 概要:
          • 方法:
          • 结论:
          收起
          AI内容生成中……
          以上内容由AI生成,结果仅供参考

          【中文期刊】 章广能  张育芳  等 《生物信息学》 2024年22卷4期 287-295页ISTIC

          【摘要】 化合物-蛋白质互作的鉴定对药物发现、靶标鉴定,网络药理学和蛋白质功能的阐明等至关重要.本文开发了一种基于表示学习的图神经网络预测化合物-蛋白质互作模型.首先利用Word2vec表示学习方法自动提取化合物和蛋白质的特征;然后将特征输入构建图神...

          【关键词】 化合物-蛋白质相互作用表示学习图神经网络

          浏览:3 被引:0 下载:1
          • 概要:
          • 方法:
          • 结论:
          收起
          AI内容生成中……
          以上内容由AI生成,结果仅供参考

          【中文期刊】 徐鹤  郑群力  等 《数据采集与处理》 2023年38卷4期 777-791页

          【摘要】 近年来,深度学习方法广泛应用于各种疾病预测任务,甚至在其中一些方面超过了人类专家.然而,算法的黑盒性质限制了其临床应用.对此,本文结合知识表示学习和深度学习方法构建了一种融入知识表示向量的可解释深度学习模型.该模型首先依据体检指标正常范围构...

          【关键词】 疾病预测知识表示学习深度学习

          浏览:7 被引:2 下载:2
          • 概要:
          • 方法:
          • 结论:
          收起
          AI内容生成中……
          以上内容由AI生成,结果仅供参考

          【中文期刊】 晏峻峰  文志华  等 《数字中医药(英文版)》 2022年5卷4期 419-428页

          【摘要】 目的 基于图卷积神经网络,构建《伤寒论》"症状-方剂-中药"异质图并探寻节点向量表示的最优学习方法.方法 从《伤寒论》含处方的条文中提取出症状、方剂、中药信息,构建"症状-方剂-中药"异质图,基于图卷积网络提出一种"症状-方剂-中药"异质图...

          【关键词】 图卷积网络异质图《伤寒论》

          浏览:22 被引:0 下载:0
          • 概要:
          • 方法:
          • 结论:
          收起
          AI内容生成中……
          以上内容由AI生成,结果仅供参考

          【中文期刊】 宗静静  邱天爽  《中国生物医学工程学报》 2015年34卷5期 540-547页ISTICPKUCSCDCA

          【摘要】 医学图像融合是医学影像和放射医学等领域的研究热点之一,广受医学界和工程界重视.提出一种基于在线字典学习(ODL)和脉冲耦合神经网络(PCNN)的脑部CT和MR图像融合新算法.首先,利用滑动窗技术将源图像分块,使用ODL算法和最小角回归算法(...

          【关键词】 图像融合稀疏表示脉冲耦合神经网络(PCNN)

          浏览:154 被引:1 下载:4
          • 概要:
          • 方法:
          • 结论:
          收起
          AI内容生成中……
          以上内容由AI生成,结果仅供参考

          【中文期刊】 Tianwei Wang  Yun Chen  等 《神经科学通报(英文版)》 2022年38卷7期 796-808页SCIMEDLINEISTICCSCDBP

          【摘要】 In contrast to traditional representational per-spectives in which the motor cortex is involved in motor control via neu...

          【关键词】 Dimensionality reductionNeural networkMachine learning

          原文传递
          浏览:20 被引:0 下载:0
          • 概要:
          • 方法:
          • 结论:
          收起
          AI内容生成中……
          以上内容由AI生成,结果仅供参考
          • / 27
          收起侧边栏
          显示侧边栏
          更多> - 相关医事流 -
          • 加载中...
          - 相关学者 -
          • 加载中...
          - 相关机构 -
          • 加载中...

          特别提示:本网站仅提供医学学术资源服务,不销售任何药品和器械,有关药品和器械的销售信息,请查阅其他网站。

          • 客服热线:4000-115-888 转3 (周一至周五:8:00至17:00)

          • |
          • 客服邮箱:yiyao@wanfangdata.com.cn

          • 违法和不良信息举报电话:4000-115-888,举报邮箱:problem@wanfangdata.com.cn,举报专区

          官方微信
          万方医学小程序
          new翻译 充值 订阅 收藏 移动端

          官方微信

          万方医学小程序

          使用
          帮助
          Alternate Text
          调查问卷