• فهرست جداول (12)
• فهرست تصاویر (13)
• مقدمه (17)
  • تعریف مسأله (19)
  • اهمیت و کاربرد (20)
  • چالش‌ها (20)
  • نوآوری‌های این پژوهش (22)
  • ساختار پایان‌نامه (23)
• روش‌های پیشین (24)
  • پیش‌نیاز‌های مسأله (24)
    • یادگیری ماشین (24)
    • شبکه‌های عصبی عمیق (27)
      • مفاهیم اولیه (27)
      • شبکه‌های عصبی پیچشی (29)
      • شبکه‌های عصبی بازگشتی (31)
      • مکانیزم توجه در شبکه‌های عصبی (32)
    • یادگیری ماشین مولکولی (35)
      • انواع نمایش مولکول‌های شیمیایی (38)
  • کار‌های مرتبط (42)
    • طراحی دارو (43)
    • پیش‌بینی اثر متقابل بین دارو و هدف (44)
  • مروری بر روش‌های ارائه شده برای حل مسأله‌ی پیش‌بینی خاصیت مولکول‌های شیمیایی (45)
    • استفاده‌ی شبکه‌های پیچشی گرافی (45)
    • استفاده از شبکه‌های بازگشتی (50)
  • جمع‌بندی (52)
• شبکه‌ی عصبی مبتنی بر مکانیزم توجه برای پیش‌بینی خواص مولکولی (53)
  • ساختار شبکه (53)
    • معرفی مسأله (53)
    • لایه‌ی E-GATEdge-based Graph Attention Network (54)
    • ‌لایه‌ی P2PPoint-to-Point Layer (58)
    • اجزای دیگر شبکه (61)
    • ساختار نهایی (62)
  • ویژگی‌های ساختاری شبکه و مقایسه با روش‌های دیگر (63)
  • جمع‌بندی (64)
• نتایج پیاده‌سازی و آزمایش‌ها (65)
  • مجموعه‌های‌داده (65)
  • معیار‌های ارزیابی (67)
  • ویژگی‌های اولیه (68)
  • تنظیمات، نتایج و آزمایش‌ها (69)
  • به تصویر‌کشیدن وزن‌های یادگرفته شده (79)
  • مقایسه لایه P2Pو ایده Super Node (81)
  • جمع‌بندی (83)
• جمع‌بندی و کار‌های آتی (85)
  • پویایی نقاط مرجع (85)
  • تغییر ساختار گراف ورودی (86)
  • تصویر‌سازی (87)
• مراجع (88)