Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  A Linear Programming Approach for Molecular QSAR analysis

Saigo, H., Kadowaki, T., & Tsuda, K. (2009). A Linear Programming Approach for Molecular QSAR analysis. In T. Gärtner, G. Garriga, & T. Meinl (Eds.), MLG 2006: Proceedings of the International Workshop on Mining and Learning with Graphs in conjunction with ECML/PKDD 2006 (pp. 85-96). Konstanz, Germany: Bibliothek der Universität Konstanz.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-D03B-6 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0004-96DD-A
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
MLG-2006-Saigo.pdf (beliebiger Volltext), 207KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0004-96DE-9
Name:
MLG-2006-Saigo.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
http://kops.uni-konstanz.de/bitstream/handle/123456789/5412/MLG2006_Proceedings.pdf (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Saigo, H1, 2, Autor           
Kadowaki, T, Autor
Tsuda, K1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: Small molecules in chemistry can be represented as graphs.
In a quantitative structure-activity relationship (QSAR) analysis, the
central task is to find a regression function that predicts
the activity of the molecule in high accuracy.
Setting a QSAR as a primal target, we propose a new linear
programming approach to the graph-based regression problem.
Our method extends the graph classification algorithm by Kudo et al.
(NIPS 2004), which is a combination of boosting and graph mining.
Instead of sequential multiplicative updates, we employ the linear
programming boosting (LP) for regression. The LP approach allows to
include inequality constraints for the parameter vector, which turns out to
be particularly useful in QSAR tasks where activity values are
sometimes unavailable.
Furthermore, the efficiency is improved significantly by employing
multiple pricing.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2009
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 4160
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: International Workshop on Mining and Learning with Graphs 2006 (MLG 2006)
Veranstaltungsort: Berlin, Germany
Start-/Enddatum: 2006-09-18

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: MLG 2006: Proceedings of the International Workshop on Mining and Learning with Graphs in conjunction with ECML/PKDD 2006
Genre der Quelle: Konferenzband
 Urheber:
Gärtner, T, Herausgeber
Garriga, GC, Herausgeber
Meinl, T, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: Konstanz, Germany : Bibliothek der Universität Konstanz
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 85 - 96 Identifikator: -