标题 |
Feature optimization for atomistic machine learning yields a data-driven construction of the periodic table of the elements
原子机器学习的特征优化产生元素周期表的数据驱动构造
相关领域
代表(政治)
计算机科学
核(代数)
周期表
理论(学习稳定性)
表(数据库)
集合(抽象数据类型)
组分(热力学)
特征(语言学)
比例(比率)
人工智能
机器学习
理论计算机科学
生物系统
算法
数据挖掘
化学
数学
物理
语言学
有机化学
组合数学
量子力学
政治
生物
政治学
法学
程序设计语言
热力学
哲学
|
网址 | |
DOI | |
其它 |
期刊:Physical chemistry chemical physics/PCCP. Physical chemistry chemical physics 作者:Michael J. Willatt; Félix Musil; Michele Ceriotti 出版日期:2018-01-01 |
求助人 | |
下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|