AI在线 AI在线

DNN

预测精度达93%，个人电脑可部署，科学家开发Transformer新方法预测结合蛋白

预测精度达93%，个人电脑可部署，科学家开发Transformer新方法预测结合蛋白
编辑丨&结合蛋白通过与特定分子（如 DNA、RNA 或肽）选择性相互作用来调节各种细胞过程，它们能以高特异性识别和结合靶分子，这使得它们在信号传导、转运和酶活性功能上有着至关重要的地位。 当前，用于鉴定蛋白质结合肽的传统方法效率低下且性价比极低，而基于序列的方法因过于狭隘地关注近端序列特征而忽略了结构数据，导致没有一种良好的方式进行结合蛋白预测。 阿富汗呼罗珊大学（Khurasan University）领导了一项研究，推出一款名为 Deep-ProBind 的强大预测模型，旨在通过整合序列和结构信息对蛋白质结合位点进行分类。
4/2/2025 2:06:00 PM
ScienceAI
终于把神经网络中的知识蒸馏搞懂了！！！

终于把神经网络中的知识蒸馏搞懂了！！！
大家好，我是小寒今天给大家分享神经网络中的一个关键知识点，知识蒸馏知识蒸馏是一种模型压缩方法，用于将大型神经网络（教师模型）中的知识转移到较小的神经网络（学生模型）中。 这一技术能够在保持或接近原始模型性能的情况下，显著减小模型的体积，从而提升推理效率。 知识蒸馏在很多场景中非常有用，尤其是在计算资源有限或需要部署到边缘设备的应用中。
12/2/2024 1:10:04 AM
程序员小寒
NeurIPS 2023 | 「解释一切」图像概念解释器来了，港科大团队出品

NeurIPS 2023 | 「解释一切」图像概念解释器来了，港科大团队出品
Segment Anything Model（SAM）首次被应用到了基于增强概念的可解释 AI 上。你是否好奇当一个黑盒深度神经网络 (DNN) 预测下图的时候，图中哪个部分对于输出预测为「击球手」的帮助最大？香港科技大学团队最新的 NeurIPS2023 研究成果给出了他们的答案。论文：： Meta 的分割一切 (SAM) 后，港科大团队首次借助 SAM 实现了人类可解读的任意 DNN 模型图像概念解释器：Explain Any Concept (EAC)。你往往会看到传统的 DNN 图像概念解释器会给出这样的解
10/25/2023 11:38:00 AM
机器之心
只需一行代码，即可轻松驱散基因组分析中DNN产生的数字噪音

只需一行代码，即可轻松驱散基因组分析中DNN产生的数字噪音
编辑 | 白菜叶人工智能已经进入我们的日常生活。它可以是 ChatGPT，也可以是人工智能生成的比萨饼和啤酒广告。虽然我们不能相信人工智能是完美的，但事实证明，有些时候我们根本无法相信人工智能。冷泉港实验室（CSHL）西蒙斯定量生物学中心的助理教授 Peter Koo 发现，在分析 DNA 时，使用流行的计算工具来解释 AI 预测的科学家会收集到太多的「噪音」或额外信息。他找到了解决这个问题的方法。他的团队确定了一个以前被忽视的归因噪声源，该噪声源源于深度神经网络（DNN）如何处理单热编码 DNA。研究人员证明这种
6/9/2023 1:30:00 PM
ScienceAI
  • 1