首页
›
生物信息学与 AI 制药工程
›
020-SMILES分子生成建模
›
《SMILES序列预处理与分子数据增强》
VIP20
本课程属于:020-SMILES分子生成建模
生物信息学与 AI 制药工程 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
SMILES序列预处理与分子数据增强
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
SMILES简介与化学语言基础
SMILES简介与化学语言基础 · 核心概念 · 实践要点
SMILES
简介
02
SMILES字符串的语法规则与常见错误
SMILES字符串的语法规则与常见错误 · 核心概念 · 实践要点
SMILES
字符串的语法规则
03
SMILES的标准化(Canonicalization)原理与实现
SMILES的标准化(Canonical… · 核心概念 · 实践要点
SMILES
Canonicaliza…
04
去除盐和溶剂分子(Desalting)操作
去除盐和溶剂分子(Desalting)操… · 核心概念 · 实践要点
Desalting
去除盐
05
电荷中和与质子化状态调整方法
电荷中和与质子化状态调整方法 · 核心概念 · 实践要点
电荷
质子化状态调整方…
06
分子结构的验证与自动修复
分子结构的验证与自动修复 · 核心概念 · 实践要点
分子结构的验证
自动修复
07
无效SMILES过滤与清洗策略
无效SMILES过滤与清洗策略 · 核心概念 · 实践要点
SMILES
无效
08
SMILES的标记化(Tokenization)技术
SMILES的标记化(Tokenizat… · 核心概念 · 实践要点
SMILES
Tokenization
09
分子指纹与SMILES之间的转换方法
分子指纹与SMILES之间的转换方法 · 核心概念 · 实践要点
SMILES
分子指纹
10
序列长度归一化与填充处理
序列长度归一化与填充处理 · 核心概念 · 实践要点
序列长度归一化
填充处理
11
数据清洗
重复条目 · 模糊匹配与异常值处理
数据清洗
重复条目
12
训练/验证/测试集划分策略与注意事项
训练/验证/测试集划分策略与注意事项 · 核心概念 · 实践要点
训练
验证
13
数据增强概述及其在化学信息学中的重要性
数据增强概述及其在化学信息学中的重要性 · 核心概念 · 实践要点
数据增强概述
化学信息学
14
基于枚举的SMILES增强(Random SMILES)
基于枚举的SMILES增强(Random… · 核心概念 · 实践要点
SMILES
Random
15
原子与化学键的局部扰动增强
原子与化学键的局部扰动增强 · 核心概念 · 实践要点
原子
化学键的局部扰动…
16
子结构替换与骨架跃迁增强
子结构替换与骨架跃迁增强 · 核心概念 · 实践要点
子结构替换
骨架跃迁增强
17
分子片段重组与拼接增强
分子片段重组与拼接增强 · 核心概念 · 实践要点
分子片段重组
拼接增强
18
基于变分自编码器(VAE)的分子增强
基于变分自编码器(VAE)的分子增强 · 核心概念 · 实践要点
VAE
基于变分自编码器
19
基于生成对抗网络(GAN)的SMILES数据增强
基于生成对抗网络(GAN)的SMILES… · 核心概念 · 实践要点
GAN
SMILES
20
基于Transformer的分子序列生成增强
基于Transformer的分子序列生成… · 核心概念 · 实践要点
Transformer
基于
21
序列到序列(Seq2Seq)翻译增强方法
序列到序列(Seq2Seq)翻译增强方法 · 核心概念 · 实践要点
Seq2Seq
序列到序列
22
强化学习在数据增强中的应用
强化学习在数据增强中的应用 · 核心概念 · 实践要点
强化学习
数据增强
23
数据增强的质量控制与验证指标
数据增强的质量控制与验证指标 · 核心概念 · 实践要点
数据增强的质量控…
验证指标
24
预处理与增强在分子性质预测中的实践
预处理与增强在分子性质预测中的实践 · 核心概念 · 实践要点
预处理
增强
25
预处理与增强在逆合成预测中的应用
预处理与增强在逆合成预测中的应用 · 核心概念 · 实践要点
预处理
增强
26
预处理与增强在分子深度生成模型中的整合
预处理与增强在分子深度生成模型中的整合 · 核心概念 · 实践要点
预处理
增强
27
常用工具与库
RDKit · ChemAxon · DeepChem等
常用工具
RDKit
28
大规模数据处理性能优化与并行加速
大规模数据处理性能优化与并行加速 · 核心概念 · 实践要点
大规模数据处理性…
并行加速
29
评估数据增强效果的实验设计方法
评估数据增强效果的实验设计方法 · 核心概念 · 实践要点
评估数据增强效果…
重点
30
未来趋势与挑战
自监督学习 · 多模态融合等
未来趋势
挑战
所属VIP或分类
同VIP:CI/CD管线环境配置与凭证安全管理
同VIP:GPU内存优化与训练加速
同VIP:GPU分布式分子生成模型训练与调优