Машинное обучение на графах и его применение в задачах биологии и химии |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-02-19 21:05 В последние годы машинное обучение на графах является особенно популярной темой для исследований. Многие из методов, разработанных в этой области, находят широкое применение в биологических и химических задачах. Доклад будет посвящен обзору основных методов машинного обучения на статических графах. Отдельно будут рассмотрены некоторые из новых работ, опубликованных в 2020 году, включающих работу с динамическими графами и relational structure discovery. При обсуждении применения методов машинного обучения на графах, основной фокус будет направлен на последние работы в области биологии, медицины и химии. В заключение, мы обсудим ограничения графовых моделей машинного обучения, такие как “bottleneck problem” и over-smoothing, и открытые исследовательские вопросы. Докладчик: Нина Лукашина. Слайды: https://drive.google.com/file/d/1285Xl9dT7FAnEtgERrrilPCsd0KHqFxH/view?usp=sharing Источник: drive.google.com Комментарии: |
|