EDP Sciences logo
Authentification abonné
Rechercher
Menu
Accueil Tous les numéros Volume 41 / Numéro 3 (Mars 2025) Med Sci (Paris), 41 3 (2025) 277-280 Références
Open Access
Numéro
Med Sci (Paris)
Volume 41, Numéro 3, Mars 2025
Page(s) 277 - 280
Section Prix Nobel
DOI https://doi.org/10.1051/medsci/2025036
Publié en ligne 21 mars 2025
  1. Benani A. History and vision of artificial intelligence. Med Sci (Paris) 2024 ; 40 : 283–286. [CrossRef] [EDP Sciences] [PubMed] [Google Scholar]
  2. Jean A. Une brève introduction à l’intelligence artificielle. Med Sci (Paris) 2020 ; 36 : 1059–1067. [CrossRef] [EDP Sciences] [PubMed] [Google Scholar]
  3. Haiech J. Parcourir l’histoire de l’intelligence artificielle, pour mieux la définir et la comprendre. Med Sci (Paris) 2020 ; 36 : 919–923. [CrossRef] [EDP Sciences] [PubMed] [Google Scholar]
  4. Taly A, Verger A. Prédiction de structures biomoléculaires complexes par AlphaFold 3. Med Sci (Paris) 2024 ; 40 : 725–727. [Google Scholar]
  5. Hopfield JJ. Theory of the Contribution of Excitons to the Complex Dielectric Constant of Crystals. Physical Rev 1958 : 1555–67. [Google Scholar]
  6. Hopfield JJ, Tank DW. “Neural” computation of decisions in optimization problems. Biol Cybern 1985 ; 52 : 141–52. [Google Scholar]
  7. Nair V, Hinton GE. Rectified Linear Units Improve Restricted Boltzmann Machines. ICML’10: Proceedings of the 27th International Conference on International Conference on Machine Learning, 2010 : 807–8. [Google Scholar]
  8. Ackley DH, Hinton GE, Sejnowski TJ. A Learning Algorithm for Boltzmann Machines. In : Fischler MA, Firschein O, eds. Readings in Computer Vision. San Francisco (CA) : Morgan Kaufmann, 1987 : 522–33. [Google Scholar]
  9. McCulloch WS, Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull Math Biophys 1943 ; 5 : 115–33. [Google Scholar]
  10. Jumper J, Evans R, Pritzel A, et al. Highly accurate protein structure prediction with AlphaFold. Nature 2021 ; 596 : 583–9. [CrossRef] [PubMed] [Google Scholar]
  11. Simonson T. Le « problème du repliement » : peut-on prédire la structure des protéines ? Med Sci (Paris) 2005 ; 21 : 609–12. [Google Scholar]
  12. Jordan B. AlphaFold : un pas essentiel vers la fonction des protéines. Chroniques génomiques. Med Sci (Paris) 2021 ; 37 : 197–200. [CrossRef] [EDP Sciences] [PubMed] [Google Scholar]
  13. Moingeon P, Garbay C, Dahan M, et al. L’intelligence artificielle, une révolution dans le développement des médicaments. Med Sci (Paris) 2024 ; 40 : 369–76. [Google Scholar]
  14. Baldi P, Sadowski P, Whiteson D. Enhanced Higgs Boson to τ+τ - Search with Deep Learning. Phys Rev Lett 2015 ; 114 : 111801. [Google Scholar]
  15. Rajput PS. Exoplanet Detection Using Machine Learning : A Comparative Study Using Kepler Mission Data. Int J Sci Res Sci Technol. 2024 ; 11 : 43–8. [Google Scholar]
  16. Hopfield JJ. Neural networks and physical systems with emergent collective computational abilities. Proc Natl Acad Sci USA 1982 ; 79 : 2554–8. [Google Scholar]
  17. Hopfield JJ. Neurons with graded response have collective computational properties like those of two-state neurons. Proc Natl Acad Sci USA 1984 ; 81 : 3088–92. [Google Scholar]
  18. Hopfield JJ, Tank DW. Computing with Neural Circuits: A Model. Science 1986 ; 233 : 625–33. [Google Scholar]
  19. Rumelhart DE, Hinton GE, Williams RJ. Learning representations by back-propagating errors. Nature 1986 ; 323 : 533–6. [CrossRef] [Google Scholar]
  20. Krizhevsky A, Sutskever I, Hinton GE. ImageNet classification with deep convolutional neural networks. Commun ACM 2017 ; 60 : 84–90. [CrossRef] [Google Scholar]
  21. Yao L, Miller JA. Tiny ImageNet Classification with Convolutional Neural Networks. Computer Science, 2015. [Google Scholar]
  22. LeCun Y, Bengio Y, Hinton G. Deep learning. Nature 2015 ; 521 : 436–44. [CrossRef] [PubMed] [Google Scholar]
  23. Pritchard L, Dufton MJ. Do proteins learn to evolve? The Hopfield network as a basis for the understanding of protein evolution. J Theor Biol. 2000 ; 202 : 77–86. [PubMed] [Google Scholar]
  24. Fard AT, Srihari S, Mar JC, et al. Not just a colourful metaphor: modelling the landscape of cellular development using Hopfield networks. NPJ Syst Biol Appl 2016 ; 2 : 16001. [Google Scholar]
  25. Jiang Y, Zhang Z, Wang W, et al. Biology-guided deep learning predicts prognosis and cancer immunotherapy response. Nat Commun 2023 ; 14 : 5135. [PubMed] [Google Scholar]
  26. Ghorbani A, Ouyang D, Abid A, et al. Deep learning interpretation of echocardiograms. Npj Digit Med 2020 ; 3 : 1–10. [Google Scholar]

Les statistiques affichées correspondent au cumul d'une part des vues des résumés de l'article et d'autre part des vues et téléchargements de l'article plein-texte (PDF, Full-HTML, ePub... selon les formats disponibles) sur la platefome Vision4Press.

Les statistiques sont disponibles avec un délai de 48 à 96 heures et sont mises à jour quotidiennement en semaine.

Le chargement des statistiques peut être long.