Algorithmes d'apprentissage automatique pour la conception de composés pharmaceutiques et de vaccins
La découverte de composés pharmaceutiques est actuellement trop longue et trop coûteuse, et le taux d’échec, trop élevé. Les bases de données biochimiques et génomiques ne cessent de grossir et il est maintenant impraticable d’interpréter ces données. Un changement radical est nécessaire ; certaines...
Main Author: | Giguère, Sébastien |
---|---|
Other Authors: | Marchand, Mario |
Format: | Doctoral Thesis |
Language: | French |
Published: |
Université Laval
2015
|
Subjects: | |
Online Access: | http://hdl.handle.net/20.500.11794/25748 |
Similar Items
-
Généralisations de la théorie PAC-bayésienne pour l'apprentissage inductif, l'apprentissage transductif et l'adaptation de domaine
by: Germain, Pascal
Published: (2015) -
Sparse, hierarchical and shared-factors priors for representation learning
by: Trottier, Ludovic, et al.
Published: (2019) -
Bornes PAC-Bayes et algorithmes d'apprentissage
by: Lacasse, Alexandre
Published: (2010) -
VENCE : un modèle performant d'extraction de résumés basé sur une approche d'apprentissage automatique renforcée par de la connaissance ontologique
by: Motta, Jesus Antonio
Published: (2014) -
Agnostic Bayes
by: Lacoste, Alexandre
Published: (2015)