ICLRAug, 2021

利用注意力机制探究 β 冠状病毒序列的人兽共患潜力

PDF
TL;DR应用改进的长短时记忆深度神经网络分类器在高度保守的病毒蛋白质靶标上预测 β 冠状病毒系中人兽共患可能性，分类器准确率高达 94％，蛋白质 - 蛋白质相互作用会影响病毒复制和人兽共患传播。
viral discoveryzoonotic potentiallstmprotein-protein interactionsbetacoronaviruses
发现论文，激发创造
  • ContactNet：基于几何的深度学习模型用于预测蛋白质 - 蛋白质相互作用

    我们开发了一种基于注意力的图神经网络 (ContactNet)，用于将从对接算法中得到的蛋白质相互作用模型分类为准确和错误的模型，不需要多序列比对，适用于其他类型的相互作用。

    Jun, 2024

  • 增强物联网安全的前沿深度学习方法

    提出了一种创新性的基于深度学习的卷积神经网络和长短期记忆网络的物联网环境入侵检测系统，在 CICIDS2017 数据集上实现了 99.52% 的准确率，具有实时处理能力、可扩展性和低虚警率，成功应用于当今的物联网网络，对自适应学习技术和跨领域适用性等相关领域的发展和性能进行了讨论，为显著提高网络安全性提供了强有力的解决方案。

    Jun, 2024

  • Vision-LSTM: xLSTM 作为通用视觉主干网络

    将 xLSTM 构建模块应用于计算机视觉领域，ViL 展现出成为新的通用骨干框架的潜力。

    Jun, 2024

  • 蛋白质突变影响预测的多级交互建模

    通过自我监督的多层预训练框架 ProMIM，全面捕获三个层级的蛋白质相互作用，该框架在标准基准测试中表现优异，特别是在可能导致蛋白质背骨构象显著变化的突变上，还能进行零样本评估，显示了其作为新一代强大的药物开发工具在 SARS-CoV-2 突变效应预测和抗体优化方面的潜力。

    May, 2024

  • 经过筛选的语料库训练（FiCT）证明语言模型能够从间接证据中进行概括

    使用过滤语料库训练的方法，本文研究了语言模型对于通过间接证据进行语言普适性推理的能力，并将该方法应用于 LSTM 和 Transformer 语言模型，结果显示它们对于语言普适性推理具有相同且出乎意料的良好表现。

    May, 2024

  • 加密货币价格预测的深度学习模型评述：实施与评估

    通过评估多种深度学习模型，我们发现单变量 LSTM 模型变体在加密货币预测方面表现最佳，并对 COVID-19 期间的价格进行波动性分析。

    May, 2024

  • 外币时间序列预测的现成神经网络架构的成本

    本研究旨在比较不同的长短期记忆（LSTM）神经网络结构和专门用于外汇市场预测的 ANN 架构之间的性能和资源需求，包括模型的执行时间、内存和计算资源消耗。我们的目标是证明专门的架构在外汇市场预测方面不仅能够取得更好的结果，而且在资源消耗和执行时间方面相对于 LSTM 架构更为优越。这种比较分析将对这两种类型的架构在外汇市场环境中的时间序列预测的适用性提供重要的见解。

    May, 2024

  • 基于长短期记忆网络的增强 AdaBoost 虚拟现实体验预测

    基于改进的 AdaBoost 的长短期记忆网络（LSTM）的分类预测算法用于预测虚拟现实（VR）用户体验。该算法通过结合 LSTM 和 AdaBoost 算法，在虚拟现实领域的相关研究中取得了显著进展，提高了模型的准确性和泛化能力。

    May, 2024

  • xLSTM：扩展的长短期记忆

    我们修改并扩展 LSTM 的门控机制和记忆结构，得到了 xLSTM 模型，该模型在性能和规模上与最先进的 Transformer 模型和状态空间模型相比表现出色。

    May, 2024

  • 应用 eGNNs 在残基和原子图与语言模型信息相结合下，预测多突变下的蛋白结合亲和力：eGRAL

    通过深度学习及图神经网络，使用蛋白质的大规模语言模型提取特征，针对蛋白质复合物中的多个氨基酸替代预测结合亲和力的变化

    May, 2024