Skip to content
GitLab
Explore
Sign in
Primary navigation
Search or go to…
Project
W
wissenschaftliches_arbeiten
Manage
Activity
Members
Labels
Plan
Issues
Issue boards
Milestones
Wiki
Requirements
Code
Merge requests
Repository
Branches
Commits
Tags
Repository graph
Compare revisions
Snippets
Locked files
Build
Pipelines
Jobs
Pipeline schedules
Test cases
Artifacts
Deploy
Releases
Container Registry
Model registry
Operate
Environments
Monitor
Incidents
Analyze
Value stream analytics
Contributor analytics
CI/CD analytics
Repository analytics
Code review analytics
Issue analytics
Insights
Model experiments
Help
Help
Support
GitLab documentation
Compare GitLab plans
Community forum
Contribute to GitLab
Provide feedback
Keyboard shortcuts
?
Snippets
Groups
Projects
Show more breadcrumbs
thbake
wissenschaftliches_arbeiten
Commits
fde93237
Commit
fde93237
authored
7 years ago
by
thbake
Browse files
Options
Downloads
Patches
Plain Diff
Änderungen
parent
3e6aa011
No related branches found
No related tags found
No related merge requests found
Changes
3
Hide whitespace changes
Inline
Side-by-side
Showing
3 changed files
W7-Gliederung/Unbenanntes Dokument 1
+0
-20
0 additions, 20 deletions
W7-Gliederung/Unbenanntes Dokument 1
W7-Gliederung/gliederung.txt
+11
-14
11 additions, 14 deletions
W7-Gliederung/gliederung.txt
W7-Gliederung/gliederung.txt~
+14
-17
14 additions, 17 deletions
W7-Gliederung/gliederung.txt~
with
25 additions
and
51 deletions
W7-Gliederung/Unbenanntes Dokument 1
deleted
100644 → 0
+
0
−
20
View file @
3e6aa011
1. Was ist mein Thema?
→ Machine-Learining in Docking
2. Was ist meine Fragestellung?
→ Ist Machine-Learning in diesem Gebiet einsetzbar? Wenn ja, ist es besser als
die andere bisher angewandte Methoden ?
3. Gliederung:
i) Einleitung
ii) Molekulares Docking
iii) Machine-Learning
iv) Machine-Learning-Ansätze für Scoring-Funktionen
v) Fazit
This diff is collapsed.
Click to expand it.
W7-Gliederung/gliederung.txt
+
11
−
14
View file @
fde93237
1. Was ist mein Thema?
→ Machine-Lear
i
ning in Docking
→ Machine-Learning in Docking
2. Was ist meine Fragestellung?
→ Ist das Einsetzen von Machine-Learning besser als
die andere bisher angewandte Methoden?
→ Sind Machine-Learning-basierte Scoring-Funktionen besser als die klassischen
Varianten, nämlich Force-Field-basierte, Knowledge-basierte und empirische
Scoring-Funktionen?
3. Gliederung:
...
...
@@ -13,22 +14,18 @@ Abstract(1)
i) Einleitung(1)
ii)
Molekulares Docking
(3)
ii)
Literaturübersicht
(3)
ii.i) Definition(1)
ii.ii) Überblick von klassichen Scoring-Funktionen(2)
iii) Machine-Learning(3)
iii) Molekulares Docking(2)
iii.i) Definition(1)
iii.ii)
Anwendung in Docking(2
)
iii.ii)
Überblick von klassichen Scoring-Funktionen(1
)
iv) Machine-Learning-
Ansätze für
Scoring-Funktionen(4)
iv) Machine-Learning-
basierte
Scoring-Funktionen(4)
iv.i) Ansätze(3
)
v) Daten(2
)
iv.ii)
Ergebnisse(
1
)
vi) Experimente und
Ergebnisse(
4
)
v) Fazit(1)
v
ii
) Fazit(1)
This diff is collapsed.
Click to expand it.
W7-Gliederung/gliederung.txt~
+
14
−
17
View file @
fde93237
1. Was ist mein Thema?
→ Machine-Lear
i
ning in Docking
→ Machine-Learning in Docking
2. Was ist meine Fragestellung?
→ Ist das Einsetzen von Machine-Learning besser als
die andere bisher angewandte Methoden?
→ Sind Machine-Learning-basierte Scoring-Funktionen besser als die klassischen
Varianten, nämlich Force-Field-basierte, Knowledge-basierte und empirische
Scoring-Funktionen?
3. Gliederung:
Abstract
Abstract
(1)
i) Einleitung
i) Einleitung
(1)
ii)
Molekulares Docking
ii)
Literaturübersicht(3)
ii
.
i)
Definition
iii)
Molekulares Docking(3)
ii
.
ii)
Überblick von klassichen Scoring-Funk
tion
en
iii
.
i)
Defini
tion
(1)
iii
) Machine-Learning
iii
.ii) Überblick von klassichen Scoring-Funktionen(2)
i
ii.i) Definition
i
v) Machine-Learning-basierte Scoring-Funktionen(4)
iii.ii) Anwendung in Docking
v) Daten(2)
iv) Machine-Learning-Ansätze für Scoring-Funktionen
vi) Experimente und Ergebnisse(4)
iv.i) Ansätze
iv.ii) Ergebnisse
v) Fazit
vii) Fazit(1)
This diff is collapsed.
Click to expand it.
Preview
0%
Loading
Try again
or
attach a new file
.
Cancel
You are about to add
0
people
to the discussion. Proceed with caution.
Finish editing this message first!
Save comment
Cancel
Please
register
or
sign in
to comment