图机器学习(GML)因其建模生物分子结构、它们之间的功能关系以及整合多组数据集的能力而受到制药和生物技术行业越来越多的关注。在此，我们提出了一个关于药物发现和研发多学科的学术-工业综述的主题。
2021-05-25 09:10:37
912KB
1
人和高级动物在整个生命中不断获取、微调和转让知识和技能。这种能力，称为lifelong learning，是由一系列神经认知机制协调的过程，这些机制共同促进了sensorimotor技能的发展以及对长期记忆的巩固和检索。因此对于计算系统和自动化智体，lifelong learning能力，对能否在现实世界进行交互并处理连续信息，至关重要。
2021-05-21 13:06:16
1.48MB
1
我们描述了深度学习在数学分析领域的进展。这个研究领域包含一系列的研究问题，这些问题在经典的学习理论框架内是无法回答的。
2021-05-16 11:06:40
3.35MB
1
数十年来，因果推理是一个跨统计、计算机科学、教育、公共政策和经济学等多个领域的重要研究课题。在这项调查中，我们提供了一个全面的综述因果推理方法下的潜在结果框架，一个众所周知的因果推理框架。
2021-05-13 23:35:01
1.1MB
1
主动学习试图在具有尽可能少标注样本的同时最大化模型的性能增益。深度学习(Deep learning, DL)需要大量标注数据，如果模型要学习如何提取高质量的特征，就需要大量的数据供应来优化大量的参数。
2021-05-11 11:42:49
1.21MB
1
图是连接数据网络结构的一种常用表示形式。图数据可以在广泛的应用领域中找到，如社会系统、生态系统、生物网络、知识图谱和信息系统。随着人工智能技术的不断渗透发展，图学习(即对图进行机器学习)越来越受到研究者和实践者的关注。图学习对许多任务都非常有效，如分类，链接预测和匹配。
2021-05-06 17:06:16
2.55MB
1
深度神经网络在拥有大量数据集和足够的计算资源的情况下能够取得巨大的成功。然而，他们快速学习新概念的能力相当有限。元学习是解决这一问题的一种方法，通过使网络学会如何学习。
2021-04-24 09:08:01
3.1MB
1
本文对HPO中最基本的主题进行了综述。第一部分介绍了与模型训练和结构相关的关键超参数，并讨论了它们的重要性和定义值范围的方法。然后，研究了主要的优化算法及其适用性，包括它们的效率和准确性，特别是对于深度学习网络。本研究接下来将回顾HPO的主要服务和工具包，比较它们对最先进的搜索算法的支持、与主要深度学习框架的可行性以及用户设计的新模块的可扩展性。
2021-04-22 16:51:52
1.96MB
1