DZNE 团队

可在数据限制下训练高维因果结构，德国DZNE团队提出一种深度神经架构

编辑 | 萝卜皮因果学习是科学人工智能的一个关键挑战，因为它使研究人员能够超越纯粹的相关或预测分析，学习潜在的因果关系，这对于科学理解以及广泛的下游任务非常重要。受新兴生物医学问题的启发，德国神经退行性疾病中心（German Center for Neurodegenerative Diseases，DZNE）的研究人员提出了一种深度神经架构，用于从高维数据和先验因果知识的组合中学习变量之间的因果关系。该团队将卷积神经网络和图神经网络结合在因果风险框架内，提供了一种在高维、噪声和数据限制条件下明显有效的方法，这些条

11/21/2023 2:46:00 PM

ScienceAI

资讯热榜

LangChain V1.0 深度解析：手把手带你跑通全新智能体架构 OpenAI 宣布印度用户可享受一年免费 ChatGPT Go 服务 DeepSeek-OCR：OCR 的新突破 Soul App开源播客语音合成模型，可流畅自然多轮语音对话，支持川粤豫等多方言与副语言风格红杉资本注资Rogo Technologies，AI 工具或将颠覆初级银行家角色地理学的AlphaEvolve？MIT斯坦福让AI自我生长、懂地理、懂世界深度伪造技术再现乱象，OpenAI 新工具 Sora 引发关注 Anthropic 推出新功能，Claude 为金融分析师提供强大工具

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画机器人大模型数据 Midjourney 开源 Meta 智能微软 AI新词用户 GPT 学习技术智能体马斯克 Gemini 图像 Anthropic 英伟达 AI创作训练 LLM 论文代码算法 Agent AI for Science 芯片苹果腾讯 Claude Stable Diffusion 蛋白质开发者生成式神经网络 xAI 机器学习 3D RAG 人形机器人研究 AI视频大语言模型生成具身智能 Sora 工具 GPU 百度华为计算字节跳动 AI设计 AGI 大型语言模型搜索视频生成场景深度学习架构 DeepMind 生成式AI 编程视觉 Transformer 预测 MCP AI模型伟达特斯拉