MARC details
| 000 -CABECERA |
|---|
| campo de control de longitud fija |
04055nam a22003495i 4500 |
| 001 - NÚMERO DE CONTROL |
|---|
| campo de control |
399254 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| campo de control |
ES-MaUEC |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| campo de control |
20240504194231.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA--CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| campo de control de longitud fija |
a|||| o|||| 00| 0 |
| 007 - CAMPO FIJO DE DESCRIPCIÓN FÍSICA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
cr nn 008mamaa |
| 008 - DATOS DE LONGITUD FIJA--INFORMACIÓN GENERAL |
|---|
| campo de control de longitud fija |
230207s2023 sz | o |||| 0|eng d |
| 020 ## - NÚMERO INTERNACIONAL ESTÁNDAR DEL LIBRO |
|---|
| Número Internacional Estándar del Libro |
9783031207303 |
| 024 7# - IDENTIFICADOR DE OTROS ESTÁNDARES |
|---|
| Número estándar o código |
10.1007/978-3-031-20730-3 |
| Fuente del número o código |
doi |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador/agencia de origen |
ES-MaUEC |
| Lengua de catalogación |
spa |
| Centro/agencia transcriptor |
ES-MaUEC |
| Centro/agencia modificador |
ES-MaUEC |
| 050 #4 - SIGNATURA TOPOGRÁFICA DE LA BIBLIOTECA DEL CONGRESO |
|---|
| Número de clasificación |
RA1193.4 |
| Número de documento/Ítem |
2023 EB |
| 245 00 - MENCIÓN DE TÍTULO |
|---|
| Título |
Machine Learning and Deep Learning in Computational Toxicology |
| Mención de responsabilidad, etc. |
edited by Huixiao Hong |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
1st ed. 2023 |
| 264 #1 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Producción, publicación, distribución, fabricación y copyright |
Cham |
| Nombre del de productor, editor, distribuidor, fabricante |
Springer International Publishing |
| Fecha de producción, publicación, distribución, fabricación o copyright |
2023 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
1 recurso en línea |
| 336 ## - TIPO DE CONTENIDO |
|---|
| Término de tipo de contenido |
texto |
| Código de tipo de contenido |
txt |
| Fuente |
rdacontent |
| 337 ## - TIPO DE MEDIO |
|---|
| Nombre/término del tipo de medio |
electrónico |
| Código del tipo de medio |
c |
| Fuente |
rdamedia |
| 338 ## - TIPO DE SOPORTE |
|---|
| Nombre/término del tipo de soporte |
recurso electrónico |
| Código del tipo de soporte |
cr |
| Fuente |
rdacarrier |
| 490 0# - MENCIÓN DE SERIE |
|---|
| Mención de serie |
Computational Methods in Engineering & the Sciences |
| Número Internacional Normalizado para Publicaciones Seriadas |
2662-4877 |
| 505 0# - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Machine Learning and Deep Learning Promotes Predictive Toxicology for Risk Assessment of Chemicals -- Multi-Modal Deep Learning Approaches for Molecular Toxicity prediction -- Emerging Machine Learning Techniques in Predicting Adverse Drug Reactions -- Drug Effect Deep Learner Based on Graphical Convolutional Network -- AOP Based Machine Learning for Toxicity Prediction -- Graph Kernel Learning for Predictive Toxicity Models -- Optimize and Strengthen Machine Learning Models Based on in vitro Assays with Mecha-nistic Knowledge and Real-World Data -- Multitask Learning for Quantitative Structure-Activity Relationships: A Tutorial -- Isalos Predictive Analytics Platform: Cheminformatics, Nanoinformatics and Data Mining Applications -- ED Profiler: Machine Learning Tool for Screening Potential Endocrine Disrupting Chemicals -- Quantitative Target-specific Toxicity Prediction Modeling (QTTPM): Coupling Machine Learning with Dynamic Protein-Ligand Interaction Descriptors (dyPLIDs) to Predict Androgen Receptor-mediated Toxicity -- Mold2 Descriptors Facilitate Development of Machine Learning and Deep Learning Models for Predicting Toxicity of Chemicals -- Applicability Domain Characterization for Machine Learning QSAR Models -- Controlling for Confounding in Complex Survey Machine Learning Models to Assess Drug Safety and Risk. . |
| 520 ## - SUMARIO, ETC. |
|---|
| Sumario, etc. |
This book is a collection of machine learning and deep learning algorithms, methods, architectures, and software tools that have been developed and widely applied in predictive toxicology. It compiles a set of recent applications using state-of-the-art machine learning and deep learning techniques in analysis of a variety of toxicological endpoint data. The contents illustrate those machine learning and deep learning algorithms, methods, and software tools and summarise the applications of machine learning and deep learning in predictive toxicology with informative text, figures, and tables that are contributed by the first tier of experts. One of the major features is the case studies of applications of machine learning and deep learning in toxicological research that serve as examples for readers to learn how to apply machine learning and deep learning techniques in predictive toxicology. This book is expected to provide a reference for practical applications of machine learning and deep learning in toxicological research. It is a useful guide for toxicologists, chemists, drug discovery and development researchers, regulatory scientists, government reviewers, and graduate students. The main benefit for the readers is understanding the widely used machine learning and deep learning techniques and gaining practical procedures for applying machine learning and deep learning in predictive toxicology. . |
| 988 ## - NOTA LOCAL 598 |
|---|
| Nota local 598 (boletines) |
Springer_BiomedLife_2023 |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| 9 (RLIN) |
140328 |
| Término de materia o nombre geográfico como elemento de entrada |
Toxicología |
| Subdivisión general |
Proceso de datos |
| 650 #7 - PUNTO DE ACCESO ADICIONAL DE MATERIA--TÉRMINO DE MATERIA |
|---|
| Fuente del encabezamiento o término |
embne |
| 9 (RLIN) |
166090 |
| Término de materia o nombre geográfico como elemento de entrada |
Aprendizaje automático |
| 856 40 - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Identificador Uniforme del Recurso |
https://go.openathens.net/redirector/universidadeuropea.es?url=https://doi.org/10.1007/978-3-031-20730-3 |
| Nota pública |
Acceso a este recurso digital (usuarios Universidad Europea de Madrid) |
| 942 ## - ELEMENTOS DE PUNTO DE ACCESO ADICIONAL (KOHA) |
|---|
| Fuente del sistema de clasificación o colocación |
Library of Congress Classification |
| Tipo de ítem Koha |
LIBRO-E NO PRÉSTAMO |
| 998 ## - DATOS ESTADÍSTICOS |
|---|
| Fecha de catalogación |
05/2024 |
| Tipo de materia |
E-book |
| Catalogador |
Irene González |
| Catalogado |
Sí |