Author Description

Buku ini menawarkan wawasan mendalam ke dalam dunia kimia komputasi dan aplikasi notasi SMILES. Penulis memandu pembaca melalui perjalanan yang komprehensif, dimulai dari pemahaman dasar notasi SMILES hingga teknik mendekode notasi ini. Selain itu, buku ini menguraikan bagaimana Machine Learning, khususnya pendekatan Extreme Learning Machine (ELM) dan Particle Swarm Optimization (PSO), dapat digunakan untuk memprediksi fungsi aktif dari senyawa kimia berdasarkan notasi SMILES. Pembaca akan menemukan rincian tentang ekstraksi fitur, perhitungan fitur, dan bagaimana normalisasi memengaruhi performansi prediksi. Buku ini juga secara khusus mengenalkan parameter utama PSO, yaitu bobot inersia Modified SAIW dan koefisien akselerasi Modified SBAC, yang sangat memengaruhi kinerja PSO menjadi lebih baik. Buku ini juga mencakup berbagai studi kasus dan uji performansi yang membandingkan pendekatan PSO-ELM dengan algoritma machine Learning lainnya. Dengan begitu, buku ini menjadi panduan yang sangat berguna bagi para peneliti dan ilmuwan yang tertarik dalam menggali potensi notasi SMILES dan machine Learning dalam kimia komputasi.