Nat. Mach. Intell. | 深度神经网络中的捷径学习
今天给大家介绍来自德国蒂宾根大学的Robert Geirhos和加拿大多伦多大学的Claudio Michaelis等人发表在Nature Machine Intelligence的文章“Shortcut learning in deep neural networks”。文章认为有很多种深度学习（DL）案例的失败可以看作是同一个问题——捷径学习（Shortcut Learning）的不同表现。....
Nat. Mach. Intell. | 人工智能的透明度和可重复性
今天给大家介绍多伦多大学的研究人员发表在nature machine intelligence上的一篇文章。文章指出McKinney等人利用AI在乳腺癌筛选上的工作，缺乏研究方法和代码实现的细节，阻碍了透明且可重复（transparent and reproducible）的AI研究，文章为扫除这些障碍提供了解决方案。1.背景McKinney等人的工作证明了AI在医学成像中的潜力，同时指出了使此....
Nat. Mach. Intell. | 基于神经网络的迁移学习用于单细胞RNA-seq分析中的聚类和细胞类型分类...
今天给大家介绍由美国宾夕法尼亚大学佩雷尔曼医学院生物统计学，流行病学和信息学系Jian Hu等人在《Nature Machine Intelligence》上发表了一篇名为“Iterative transfer learning with neural network for clustering and cell type classification in single-cell RNA-s....
Nat. Mach. Intell. | 可解释性人工智能(xAI)遇上药物发现
今天给大家介绍瑞士苏黎世联邦理工学院化学与应用生物科学系 Gisbert Schneider等人在Nature Machine Intelligence上发表的文章“Drug discovery with explainable artificial intelligence”。本文综述总结了可解释人工智能最突出的算法概念，并预测了未来的机会、潜在的应用以及一些剩余的挑战。希望能为可解释人工智能....
Nat. Mach. Intell. | 华科同济医学院剑桥联手推出新冠预测模型！
今天给大家介绍华中科技大学同济医学院及剑桥大学联合发表在Nature Machine Intelligence的一篇文章。文章中作者提出了一个基于XGBoost机器学习的模型，可以提前10天以上预测患者的死亡率，准确率超过90%，从而实现对COVID-19患者的检测、早期干预，并有可能降低死亡率。1背景自2019年12月以来，随着新冠肺炎疫情的大爆发，危急病例的死亡率逐渐上升，全球各个国家的医疗....
Nat. Mach. Intell. | FFPred-GAN：“以假乱真“—基于GAN创建合成特征样本改进蛋白质功能预测...
今天给大家介绍伦敦大学学院David T. Jones 教授课题组发表在Nature Machine Intelligence 的一篇文章。文章中指出，现存的蛋白质功能预测方法受限于训练样本量的瓶颈，为了解决这个问题，作者提出了一种新的基于生成对抗网络的方法FFPred-GAN。FFPred-GAN能够准确学习蛋白质序列的生物物理特征的高维分布，并生成高质量的合成蛋白质特征样本。实验结果表明，通....
Nat. Mach. Intell. | 生物医学关系抽取的机器学习新框架
今天给大家介绍的是清华大学曾坚阳教授课题组在Nature Machine Intelligence杂志上发表的一篇关于生物医学关系抽取的文章。在文中，作者提出了一种从大规模文献库中自动提取生物医学关系的机器学习框架—BERE。BERE使用混合编码网络从语义和句法两个方面更好地表示每个句子，并在考虑所有相关语句后使用特征聚合网络进行预测。更重要的是，BERE也可以通过远程监督技术在没有任何人工标注....
Nat. Mach. Intell. | 基于深度强化学习寻找网络中的关键节点
今天给大家介绍哈佛大学Yang-Yu Liu课题组和加利福尼亚大学洛杉矶分校Yizhou Sun课题组发表在nature machine intelligence上的一篇文章“Finding key players in complex networks through deep reinforcement learning”，作者提出一种基于深度强化学习框架FINDER来寻找一组能对网络功能产....
Nat. Mach. Intell. | 利用条件循环神经网络生成特定性质分子
今天给大家介绍瑞士知名药企阿斯利康和伯尔尼大学的 Esben Jannik Bjerrum团队在Nature Machine Intelligence上的一篇论文。该研究提出基于分子SMILES表示的条件循环神经网络，输入目标性质，模型可直接生成具有对应性质的分子。1背景机器学习对生物和化学领域有着深远影响，其可被用于生物活性预测，分子性质预测，医疗诊断等。然而，反向分子设计，即生成具有特定结构....
Nat. Mach. Intell. | 快速的蛋白质结构从头预测
今天给大家介绍一篇Nature Machine Intelligence期刊的论文“AmoebaContact and GDFold as a pipeline for rapid de novo protein structure prediction”，该工作由清华大学龚海鹏课题组完成。本文提出一种基于机器学习的残基Contact预测方法辅助蛋白质结构从头预测，不仅改善了预测精度，而且提高了....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
