این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت فناوری اطلاعات، جلد ۱۴، شماره Special Issue: ۵th International Conference of Reliable Information and Communication Technology (IRICT ۲۰۲۰)، صفحات ۲۳-۳۶
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Feature Selection Using a Genetic Algorithms and Fuzzy logic in Anti-Human Immunodeficiency Virus Prediction for Drug Discovery
چکیده انگلیسی مقاله This paper presents an approach that uses both genetic algorithm (GA) and fuzzy inference system (FIS), for feature selection for descriptor in a quantitative structure activity relationships (QSAR) classification and prediction problem. Unlike the traditional techniques that employed GA, the FIS is used to evaluate an individual population in the GA process. So, the fitness function is introduced and defined by the error rate of the GA and FIS combination. The proposed approach has been implemented and tested using a data set with experimental value anti-human immunodeficiency virus (HIV) molecules. The statistical parameters q2 (leave many out) is equal 0.59 and r (coefficient of correlation) is equal 0.98. These results reveal the capacity for achieving subset of descriptors, with high predictive capacity as well as the effectiveness and robustness of the proposed approach.
کلیدواژه‌های انگلیسی مقاله Feature Selection,Machine learning,Computational Chemistry,QSAR,Fuzzy logic,Genetic Algorithms
نویسندگان مقاله Houda Labjar |
Researcher, Laboratory Processes and Environment, Faculty of Sciences and Technology, University Hassan II Casablanca, Mohammedia, Morocco.

Mohammad Al-Sarem |
Associate Professor, Information System Departement, Taibah University, Al-Madinah Al-Monawarah, Saudi Arabia.

Mohamed Kissi |
Full Professor, LIM Laboratory, Computer Science Department, Faculty of Sciences and Technology, University Hassan II Casablanca, Mohammedia, Morocco.

نشانی اینترنتی https://jitm.ut.ac.ir/article_84883_138c6bb7930c4dbdcc4bbaf8ac30f9ce.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات