改进份子表征进修,清华团队提出学问诱导的图 Transformer 预训练框架
编辑 | 紫罗进修有效的份子特性表征以促进份子特性预计,对于药物发现具有重要意义。最近,人们通过自监视进修技术预训练图神经网络(GNN)以克服份子特性预计中数据稀缺的挑衅。然而,当前鉴于自监视进修的要领存在两个主要障碍:缺乏明确的自监视进修策略和 GNN 的能力有限。近日,来自清华大学、西湖大学和之江实验室的研讨团队,提出了学问诱导的图 Transformer 预训练(Knowledge-guid…- 6
- 0
Creator 面对面 | 自监视进修范式未来可以或许在加强进修中发挥关键的作用
我们都知道自监视进修在 CV 和 NLP 领域都有比较广泛的应用,比如大模型 BERT、GPT-3 等训练,其实最焦点的技术就是鉴于自监视进修的技术。 那么在 CV 和 NLP 领域都取得成功的自监视进修,是否可以被借鉴或是利用到加强进修领域呢?- 8
- 0
服务量化投资,基于学问图谱的事务表征框架钻研入选SIGIR
瞰点科技和上海交大的钻研团队提出了一种服务于量化投资的基于学问图谱的事务表征框架,称为 Knowledge Graph-based Event Embedding Framework(KGEEF)。通过在真实股票市场上进行的大规模试验表明,本文提出的法子显著有助于量化投资的战略提升。- 4
- 0
表征
❯
个人中心
今日签到
搜索
扫码打开当前页
返回顶部
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
- ¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!