- HEST-1k:用于空间转录组学和组织学图像分析的数据集
通过 H&E 染色全屏幕图像,将分子组成与组织形态学编码结合的空间转录组学,可以用于计算方法和生物标志物鉴定的研究。
- ICML在潜空间中使用强化学习进行蛋白质适应性景观的稳健优化
蛋白质是在自然界中负责不同功能的复杂分子。通过使用计算方法进行蛋白质优化仍然具有挑战性,特别是在低适应性序列的情况下。本文提出了一种名为 LatProtRL 的优化方法,它能够有效地遍历由大型蛋白质语言模型学习的潜在空间,通过强化学习在潜在 - COLING德国人名复合词的评价含义建模
我们对德语中个人名字复合词(PNCs)的少有研究现象进行了一个全面的计算研究,展示了它们在新闻、社交媒体和政治话语中的作用。通过使用各种计算方法,我们对 321 个 PNCs 及其对应的全名进行了建模,并表明 PNCs 具有可以通过计算方法 - 多尺度光学神经科学的深浅数据科学
光学成像技术在过去二十年取得了巨大发展,通过新的光学器件、指示剂和实验模式,我们现在能够进行从突触到大脑皮层的体内成像。为了应对不同尺度下产生的大量数据,我们不断开发计算方法以提取与生物相关的信息。本文旨在讨论算法设计中的限制和权衡,以确定 - AAAI利用深度学习和自然语言处理预测蛋白质序列中的 ATP 结合位点
通过使用深度学习和自然语言处理算法,我们提出了一种方法来分类 ATP - 蛋白结合位点,并进行了多种实验,结果显示相比最先进的基准方法有了改进。
- AI-FLARES:太阳耀斑数据分析的人工智能
AI-FLARES 项目使用计算方法分析太阳耀斑数据,根据远程感应空间数据预测太阳耀斑、重建耀斑源的形态并解释太阳耀斑引发的加速机制。
- 媒体偏见分类:关于媒体偏见形式和自动检测的系统文献综述
媒体偏见检测是一个活跃的研究领域,基于计算方法和机器学习的分类方法让我们能够更准确地检测和分类各种类型的媒体偏见,然而,现有项目存在学科间的缺乏交叉和对多种媒体偏见类型的认识,未来的研究应该集成最新的机器学习进展和来自其他研究领域的可靠和多 - 无偏的、通用的、高灵敏度的信号肽预测器与深度蛋白质语言模型
用计算方法准确识别信号肽,尤其对于元基因组数据分析,提出了一种基于蛋白质语言模型的信号肽分类和切割位点预测的深度学习方法,并应用标签分布感知边界损失处理数据不平衡问题,并利用蛋白质的进化信息丰富表示来克服物种信息依赖。
- 利用扩散模型加快光声成像速度
通过使用扩散模型,利用 “DiffPam” 算法来加速光声成像过程。研究发现 DiffPam 在重构欠采样的光声显微镜图像方面具有可比性,并且无需大量数据集或深度学习模型的训练。这项研究强调了对具有有限人工智能专业知识和计算资源的研究人员来 - BIOCLIP:生命之树的视觉基础模型
树生命 - 1000 万数据集及 BioCLIP 模型的开发和评估,证明其在获取生物学图像中具有较强的泛化能力和优越的性能。
- DiffuseBot:利用物理增强的生成式扩散模型培育软体机器人
DiffuseBot 是一种通过物理动力学模拟生成软体机器人形态,并实现在各种任务中出色表现的扩散模型。
- 2023 年 FIRE HASOC 子任务概述:通过跨度检测识别英文明确仇恨相关令牌
网上仇恨言论的扩散导致了对开发计算方法进行缓解的重要性的不断增加。为了更好地检测具有仇恨性质的文本片段,引入了反应式和主动缓解技术。本研究主要关注在英文推文中检测明确的文本片段,并举办了 HateNorm 项目来进一步促进这一研究领域。
- 基于流程图神经网络的生物医学网络引发的新型药物相互作用预测
提出了 EmerGNN,一种利用生物医学网络中丰富信息能够有效预测新兴药物相互作用的图神经网络。EmerGNN 通过提取药物对之间的路径、在药物之间传播信息,并结合路径上的相关生物医学概念来学习药物的成对表示。权重不同的生物医学网络边指示了 - 科学新闻领域中对计算机新闻发现工具的实践理解
科技新闻记者面临着工作量增加、资源减少和科学出版生态系统扩大等方面的挑战。在这种背景下,我们探索了计算方法来帮助记者在时间效率和自主性方面发现新闻,并通过一个交互工具进行了原型设计来更好地理解这种工具可能如何提供效益或在更广泛的范围内塑造专 - PGraphDTA: 利用蛋白质语言模型和接触图改进药物靶点相互作用预测
本研究探讨了药物靶点相互作用预测的各种技术及其改进方法,通过整合蛋白质语言模型和接触图信息提高了模型性能,为寻找针对特定蛋白质的潜在药物加速了药物发现过程。
- 增强人工智能可再现性平台的网络安全需求
通过一个从网络安全角度评估人工智能平台的可再现性的框架,该研究发现目前流行的 AI 可再现性平台 Floydhub、BEAT、Codalab、Kaggle 和 OpenML 中没有一个完全整合了所需的网络安全措施,而 Kaggle 和 Co - ICML预测模型的定量分析:以在线政治偏见为视角
本文提出了一个启发式方法来将社交媒体帖子分类为五个不同的政治倾向类别,通过在 Twitter 和 Gab 这两个具有不同政治意识形态的社交媒体数据集上利用现有时间序列预测模型,我们的工作旨在为预测社交媒体平台中的政治偏见的挑战和机会提供启示 - MM构式语法与语言模型
深度学习和自然语言处理在构造语法研究中产生了强大的模型,通过训练填空问题,显示了对丰富的语言信息和结构化知识的访问,本文旨在探索计算方法和构造语法研究之间的协同关系,并提供了深度学习模型的综合概述,以促进这两个领域的研究者之间的合作。
- DepreSym:一个抑郁症状标注语料库及 LLMs 作为心理标志评估者的角色
通过挖掘互联网用户发布的在线出版物中的抑郁症迹象,计算机方法可以进行抑郁症检测,但是现有集合上训练的解决方案具有较有限的概括性和可解释性。为解决这些问题,最近的研究表明,通过识别抑郁症状可以得到更稳健的模型。eRisk 倡议在这一领域推动研 - MLOps:综述
这篇论文研究了机器学习运营(MLOps)方法的重要性,以及如何选择最佳的工具结构来简化软件开发,并评估了各种 MLOps 方法的特性和可操作性。作者通过评估 22 篇相关论文发现,目前缺乏完全有效的 MLOps 方法,这些方法可以在不涉及人