Machine Learning based Approach in Building QSAR Models for the Study of Asparagine Endopeptidase

Das, Nilima R. ; Achary, P. Ganga Raju

In: International Conference in Advances in Power, Signal, and Information Technology (APSIT); (2021-10-08) S. 1-6

Online Konferenz

Zugriff:

Volltext

Titel:	Machine Learning based Approach in Building QSAR Models for the Study of Asparagine Endopeptidase
Autor/in / Beteiligte Person:	Das, Nilima R. ; Achary, P. Ganga Raju
Link:	Volltext
Quelle:	International Conference in Advances in Power, Signal, and Information Technology (APSIT); (2021-10-08) S. 1-6
Veröffentlichung:	2021
Medientyp:	Konferenz
ISBN:	978-1-6654-2506-3 (print)
DOI:	10.1109/APSIT52773.2021.9641299
Sonstiges:	Nachgewiesen in: IEEE Xplore Digital Library

Klicken Sie ein Format an und speichern Sie dann die Daten oder geben Sie eine Empfänger-Adresse ein und lassen Sie sich per Email zusenden.

BibTeX Citavi, JabRef, u.a.
(Literaturverwaltung)

PDF kein Volltext!
(Merkzettel, Notizen)

RIS Endnote, Citavi u.a.
(Literaturverwaltung)

MODS
(XML zur Weiterverarbeitung)

oder

Wählen Sie das für Sie passende Zitationsformat und kopieren Sie es dann in die Zwischenablage, lassen es sich per Mail zusenden oder speichern es als PDF-Datei.

Gewünschter Zitations-Stil:

oder

Bitte prüfen Sie, ob die Zitation formal korrekt ist, bevor Sie sie in einer Arbeit verwenden. Benutzen Sie gegebenenfalls den "Exportieren"-Dialog, wenn Sie ein Literaturverwaltungsprogramm verwenden und die Zitat-Angaben selbst formatieren wollen.