De-MISTED: Image-based classification of erroneous multiple sequence alignments using convolutional neural networks - CNRS - Centre national de la recherche scientifique
Article Dans Une Revue Applied Intelligence Année : 2023

De-MISTED: Image-based classification of erroneous multiple sequence alignments using convolutional neural networks

Domaines

Informatique [cs]
Fichier principal
Vignette du fichier
De_MISTED__revised_.pdf (2.73 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Julie Thompson  : Connectez-vous pour contacter le contributeur

https://cnrs.hal.science/hal-04253859

Soumis le : lundi 23 octobre 2023-10:41:34

Dernière modification le : mardi 14 mai 2024-10:54:13

Archivage à long terme le : mercredi 24 janvier 2024-18:27:53

Télécharger pour visualiser

Dates et versions

hal-04253859 , version 1 (23-10-2023)

Identifiants

Citer

Hiba Khodji, Pierre Collet, Julie D. Thompson, Anne Jeannin-Girardon. De-MISTED: Image-based classification of erroneous multiple sequence alignments using convolutional neural networks. Applied Intelligence, 2023, 53 (15), pp.18806-18820. ⟨10.1007/s10489-022-04390-7⟩. ⟨hal-04253859⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS ENGEES INSA-STRASBOURG INC-CNRS SITE-ALSACE INSA-GROUPE ANR
41 Consultations
70 Téléchargements

Altmetric

Partager

More