Se penche sur la prédiction de la structure des protéines grâce à l'analyse des contacts avec les acides aminés et à des méthodes informatiques avancées.
Couvre les mesures d'information telles que l'entropie, la divergence Kullback-Leibler et l'inégalité de traitement des données, ainsi que les noyaux de probabilité et les informations mutuelles.
Explore l'information mutuelle dans les données biologiques, en mettant l'accent sur son rôle dans la quantification de la dépendance statistique et l'analyse des séquences protéiques.
Explore les informations mutuelles pour quantifier la dépendance statistique entre les variables et déduire des distributions de probabilité à partir de données.
Explore l'information mutuelle, quantifiant les relations entre les variables aléatoires et mesurant le gain d'information et la dépendance statistique.
Sur l'entropie et l'information mutuelle explore la quantification de l'information dans la science des données au moyen de distributions de probabilités.
Explore l'entropie, le caractère aléatoire et la quantification de l'information dans l'analyse des données biologiques, y compris les neurosciences et la prédiction de la structure des protéines.
Explore la corrélation maximale dans la théorie de l'information, les propriétés mutuelles de l'information, les mesures de Renyi et les fondements mathématiques de la théorie de l'information.
