药物发现中的人工智能应用研究文献综述

人工智能技术在图像、语音和自动驾驶等应用方面已经取得突飞猛进的发展。

传统的药物研发领域存在的三大痛点：研发周期长、研发成本高、研发成功率低。

药物开发过程中结合机器学习等人工智能方法，会显著提升药物研发效率。

本课题研究机器学习等人工智能算法在药物开发不同阶段的应用，并建立预测模型,编制程序，在公开医药数据集上进行测试研究。

1、 研究背景：机器学习是人工智能领域的一个重要学科。

机器学习是让计算机具有像人一样的学习能力的技术,是从大数据中寻找出有用知识的数据挖掘技术。

任何形式的计算在计算机系统中都是以数据为基础的,因此,机器学习所研究的主要内容,是关于在计算机上从数据中产生模型的算法,即学习算法(learning algorithm)。

如果一个系统能够通过执行某个过程改进它的性能,这就是学习,按照赫尔伯特西蒙(Herbert A.Simon)对学习的定义,机器学习就是计算机系统通过运用数据及统计学习提高系统性能的方法,即机器学习致力于研究如何通过计算的手段,利用经验来改善系统自身的性能。

统计机器学习主要包括监督学习(supervised learning)、无监督学习(unsupervised learning)和强化学习(reinforcement learning)。