( en | de | ru )

 

Disambiguierung von "Li, Zheng-Wei"

Autor der Publikation

KopierenLöschenDiese Publikation zur Ablage hinzufügen
iGRLCDA: identifying circRNA-disease association based on graph representation learning.

, , , , , , und . Briefings Bioinform., (2022)

Bitte wählen Sie eine Person um die Publikation zuzuordnen

Um zwischen Personen mit demselben Namen zu unterscheiden, wird der akademische Grad und der Titel einer wichtigen Publikation angezeigt. Zudem lassen sich über den Button neben dem Namen einige der Person bereits zugeordnete Publikationen anzeigen.

Wei Zheng

Zheng Wei

Zheng Li

Zheng Li

Li Wei

 

Weitere Publikationen von Autoren mit dem selben Namen

A new consensus algorithm in uncertain linguistic multiple attribute group decision., , , und . ICNC-FSKD, Seite 878-883. IEEE, (2016)GCNSP: A Novel Prediction Method of Self-Interacting Proteins Based on Graph Convolutional Networks., , , , und . ICIC (2), Volume 12464 von Lecture Notes in Computer Science, Seite 109-120. Springer, (2020)A PiRNA-disease association model incorporating sequence multi-source information with graph convolutional networks., , , , , und . Appl. Soft Comput., (2024)A fuzzy multiple attribute decision making method based on possibility degree., , , und . FSKD, Seite 450-454. IEEE, (2015)iGRLCDA: identifying circRNA-disease association based on graph representation learning., , , , , , und . Briefings Bioinform., (2022)A machine learning framework based on multi-source feature fusion for circRNA-disease association prediction., , , , , , und . Briefings Bioinform., (2022)ADARES: A Single-cell Classification Model Based on Adversarial Data Augmentation and Residual Networks., , , , , und . SPML, Seite 142-149. ACM, (2023)GSLCDA: An Unsupervised Deep Graph Structure Learning Method for Predicting CircRNA-Disease Association., , , , und . IEEE J. Biomed. Health Informatics, 28 (3): 1742-1751 (März 2024)Precise Prediction of Pathogenic Microorganisms Using 16S rRNA Gene Sequences., , , , , , und . ICIC (2), Volume 11644 von Lecture Notes in Computer Science, Seite 138-150. Springer, (2019)An Efficient LightGBM Model to Predict Protein Self-interacting Using Chebyshev Moments and Bi-gram., , , , und . ICIC (2), Volume 11644 von Lecture Notes in Computer Science, Seite 453-459. Springer, (2019)