迁移学习(Transfer Learning)是一种机器学习方法,是把一个领域(即源领域)的知识,迁移到另外一个领域(即目标领域),使得目标领域能够取得更好的学习效果。
期刊: Journal of Chemical Information and Modeling 链接: https://doi.org/10.1021/acs...
通过单细胞水平的扰动反应预测进行药物再定位是一种具有成本效益的药物开发方式,但在疾病进展过程中出现的新细胞类型中,准确预测其药物反应仍是挑战。现有方法难以实现细...
尽管质谱参考库和注释工具规模不断扩大,但将分子结构分配给串联质谱的成功率仍然较低。由于并非所有化学产物都已被发现或收录于数据库,生成式人工智能被认为是填补这一空...
精确预测错义变异的功能影响对于疾病基因发现、临床基因诊断、治疗策略制定以及蛋白质工程至关重要。以往研究多集中于预测二分类的致病性,但错义变异的功能影响是多维的。...
研究团队考虑的其中一个设置是元迁移学习,这是迁移学习和元学习的结合。在元迁移学习中,单个深度学习模型在训练期间适应许多新任务,从而学会用极少数据适应未见过的任务...
为促进任务型对话智能体在新场景中的泛化能力研究,某中心语音助手团队在EvalAI平台推出了对话人工智能挑战赛。作为基准参考,我们还发布了一套在七项挑战任务中五项...
为应对不断加剧的抗生素耐药危机,研究人员开发了一种基于生成式人工智能的大规模抗菌肽(AMPs)发现策略。AMPs 具有广谱活性、快速杀菌机制以及较低的耐药风险,...
该方法证明多语言模型能通过迁移学习捕获跨语言通用特征,特别适用于资源匮乏语言场景,为语音助手的全球化部署提供高效解决方案。
糖尿病视网膜病变(DR)是全球视力丧失的主要原因,通过自动化视网膜图像分析进行早期诊断可显著降低失明风险。本文提出一种鲁棒的深度学习框架,结合迁移学习和大规模数...
# To add a new markdown cell, type '# %% [markdown]'
迁移学习已由**“小众技巧”演变成“深度学习默认范式”**。随着 自监督预训练、大模型、联邦学习 的融合,未来的迁移学习将在 跨任务、跨模态、跨设备 的场景中继...
本研究旨在探索如何应用迁移学习技术对交通标志图像进行分类。通过构建适用于Torchvision的图像数据集,并利用预训练模型进行微调,我们实现了对原始像素的交通...
我们选择使用预训练的ResNet - 50网络。ResNet - 50在超过一百万张图像上进行了训练,能够将图像分类为1000个对象类别。通过迁移学习,我们可以...