Unsupervised Machine Learning Algorithms to Characterize Single-Cell Heterogeneity and Perturbation Response
Unsupervised Machine Learning Algorithms to Characterize Single-Cell Heterogeneity and Perturbation Response
- 자료유형
- 학위논문파일 국외
- ISBN
- 9798522999056
- DDC
- 575
- 서명/저자
- Unsupervised Machine Learning Algorithms to Characterize Single-Cell Heterogeneity and Perturbation Response
- 발행사항
- [Sl] : Yale University, 2021
- 발행사항
- Ann Arbor : ProQuest Dissertations & Theses, 2021
- 형태사항
- 164 p
- 주기사항
- Source: Dissertations Abstracts International, Volume: 83-02, Section: B.
- 주기사항
- Advisor: Krishnaswamy, Smita.
- 학위논문주기
- Thesis (Ph.D.)--Yale University, 2021.
- 사용제한주기
- This item must not be sold to any third party vendors.
- 일반주제명
- Genetics
- 일반주제명
- Biology
- 일반주제명
- Computer science
- 일반주제명
- Artificial intelligence
- 일반주제명
- Deep learning
- 일반주제명
- Datasets
- 일반주제명
- Signal processing
- 일반주제명
- Data analysis
- 일반주제명
- Noise
- 일반주제명
- Clustering
- 일반주제명
- Genes
- 일반주제명
- Mutagenesis
- 일반주제명
- Visualization
- 일반주제명
- Neurons
- 일반주제명
- Fibroblasts
- 일반주제명
- Graph representations
- 일반주제명
- Neural networks
- 일반주제명
- Quantitative analysis
- 일반주제명
- Methods
- 일반주제명
- Algorithms
- 일반주제명
- Geometry
- 키워드
- Genomics
- 키워드
- Machine learning
- 키워드
- Manifold
- 기타저자
- Yale University Genetics
- 기본자료저록
- Dissertations Abstracts International. 83-02B.
- 기본자료저록
- Dissertation Abstract International
- 전자적 위치 및 접속
- 로그인 후 원문을 볼 수 있습니다.
