| 講演名 | 2005-06-23 確率的近接データ埋め込み法の分子構造決定問題への応用 加嶋 浩之, 土居 伸二, 熊谷 貞俊, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 原子間の正確な距離データではなく, ある上限と下限を持つ幅のある距離データが与えられる場合に, 確率的近接データ埋め込み法を用いて, タンパク質のような高分子の構造決定を効果的に行う方法を提案する. |
| 抄録(英) | We propose a novel method of molecular-structure determination under a condition that a set of upper and lower distance bounds rather than precise inter-atomic distances are given, by using the Stochastic Proximity Embedding. |
| キーワード(和) | データマイニング / NMR解析法 / タンパク質構造推定 / 最適化法 |
| キーワード(英) | data-mining / nuclear magnetic resonance analysis / protein-structure determination / optimization method |
| 資料番号 | NLP2005-26 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NLP |
|---|---|
| 開催期間 | 2005/6/16(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Nonlinear Problems (NLP) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 確率的近接データ埋め込み法の分子構造決定問題への応用 |
| サブタイトル（和） | |
| タイトル（英） | Application of the Stochastic Proximity Embedding to the Determination of Molecular Structures |
| サブタイトル（和） | |
| キーワード(1)（和/英） | データマイニング / data-mining |
| キーワード(2)（和/英） | NMR解析法 / nuclear magnetic resonance analysis |
| キーワード(3)（和/英） | タンパク質構造推定 / protein-structure determination |
| キーワード(4)（和/英） | 最適化法 / optimization method |
| 第 1 著者 氏名（和/英） | 加嶋 浩之 / Hiroyuki KASHIMA |
| 第 1 著者 所属（和/英） | 大阪大学大学院工学研究科電気電子情報工学専攻 Department of Electrical Engineering, Graduate School of Engineering, Osaka University |
| 第 2 著者 氏名（和/英） | 土居 伸二 / Shinji DOI |
| 第 2 著者 所属（和/英） | 大阪大学大学院工学研究科電気電子情報工学専攻 Department of Electrical Engineering, Graduate School of Engineering, Osaka University |
| 第 3 著者 氏名（和/英） | 熊谷 貞俊 / Sadatoshi KUMAGAI |
| 第 3 著者 所属（和/英） | 大阪大学大学院工学研究科電気電子情報工学専攻 Department of Electrical Engineering, Graduate School of Engineering, Osaka University |
| 発表年月日 | 2005-06-23 |
| 資料番号 | NLP2005-26 |
| 巻番号（vol） | vol.105 |
| 号番号（no） | 125 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |