Ensemble of heterogeneous flexible neural tree for the approximation and feature-selection of Poly (lactic-co-glycolic acid) micro- and nanoparticle

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86095758" target="_blank" >RIV/61989100:27240/16:86095758 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27740/16:86095758

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007/978-3-319-29504-6_16" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-319-29504-6_16</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-29504-6_16" target="_blank" >10.1007/978-3-319-29504-6_16</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Ensemble of heterogeneous flexible neural tree for the approximation and feature-selection of Poly (lactic-co-glycolic acid) micro- and nanoparticle

Popis výsledku v původním jazyce

In this work, we used an adaptive feature-selection and function approximation model, called, flexible neural tree (FNT) for predicting Poly (lactic-co-glycolic acid) (PLGA) micro- and nanoparticle's dissolution-rates that bears significant role in the pharmaceutical, medical, and drug manufacturing industries. Several factor influences PLGA nanoparticles dissolution-rate prediction. FNT model enable us to deal with feature-selection and prediction simultaneously. However, a single FNT model may or may not offer a generalized solution. Hence, to build a generalized model, we used an ensemble of FNTs. In this work, we have provided a comprehensive study for examining the most significant (influencing) features that influences dissolution rate prediction.

Název v anglickém jazyce

Ensemble of heterogeneous flexible neural tree for the approximation and feature-selection of Poly (lactic-co-glycolic acid) micro- and nanoparticle

Popis výsledku anglicky

In this work, we used an adaptive feature-selection and function approximation model, called, flexible neural tree (FNT) for predicting Poly (lactic-co-glycolic acid) (PLGA) micro- and nanoparticle's dissolution-rates that bears significant role in the pharmaceutical, medical, and drug manufacturing industries. Several factor influences PLGA nanoparticles dissolution-rate prediction. FNT model enable us to deal with feature-selection and prediction simultaneously. However, a single FNT model may or may not offer a generalized solution. Hence, to build a generalized model, we used an ensemble of FNTs. In this work, we have provided a comprehensive study for examining the most significant (influencing) features that influences dissolution rate prediction.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

R - Projekt Ramcoveho programu EK

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Intelligent Systems and Computing. Volume 427

ISBN

978-3-319-29503-9

ISSN

2194-5357

e-ISSN

—

Počet stran výsledku

11

Strana od-do

155-165

Název nakladatele

Springer Verlag

Místo vydání

London

Místo konání akce

Paříž

Datum konání akce

9. 9. 2015

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000371912400016