机器学习的分支,试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法
在生物信息学、合成生物学、药物研发、生物材料制备等领域,深度学习技术的革新正在重塑蛋白质设计工具的边界,使其从单纯的结构预测跃升至具有创造性的设计层面。
对于深度学习新手和入门不久的同学来说,在安装PyTorch和torchvision 时经常会遇到各种各样的问题。这些问题可能包括但不限于:
输入的主要序列被转换为二级结构(SPOT-1D-LM)。然后,主要序列和二级结构(H、G、I、E、B、T、S、C)分别通过深度学习模型进行预测,获得Pred-a...
卡内基梅隆大学贺斌教授团队一直寻求侵入性脑机接口(BCI)的可行替代方案。2019 年,该研究小组利用非侵入式 BCI 首次成功演示了意念控制机械臂持续跟踪计算...
(1)深度学习:深度学习技术通过模拟人脑神经网络的工作原理,使Agent AI智能体能够处理更加复杂、抽象的信息。通过深度学习,智能体可以更好地理解环境、预测未...
Agent AI智能体,也被称为人工智能代理(Artificial Intelligence Agent),是一种能够感知环境、进行自主理解、决策和执行动作的智...
✨在人工智能领域,生成模型一直是研究的热点之一。随着深度学习技术的飞速发展,一种名为Stable Diffusion的新型生成模型引起了广泛关注。Stable ...
本篇博客的目的是根据业务目标,为大家提供关于在构建神经网络时,如何根据需求选择合适的最终层激活函数和损失函数的指导和建议。
RFBNet主要想利用一些技巧使得轻量级模型在速度和精度上达到很好的trade-off的检测器。灵感来自人类视觉的感受野结构Receptive Fields(R...
作者对one-stage检测器准确率不高的问题进行探究,发现主要问题在于正负类别不平衡(简单-难分类别不均衡)。
YOLOv1虽然检测速度快,但在定位方面不够准确,并且召回率较低。为了提升定位准确度。改善召回率,YOLOv2在YOLOv1的基础上提出了几种改进策略,如下图所...
我们将对单次目标检测器(包括SSD系列和YOLO系列等算法)进行综述。我们将分析FPN以理解多尺度特征图如何提高准确率,特别是小目标的检测,其在单次检测器中的检...
时间序列分析中的时间序列分类(TSC)是关键任务之一,具有广泛的应用,如人体活动识别和系统监测等。近年来,深度学习在TSC领域逐渐受到关注,具有自动从原始时间序...
人工智能,简称AI,是一门致力于使计算机具备智能行为的学科。其发展可以追溯到上世纪50年代,但直到最近几年,随着大数据、深度学习等技术的突破,AI才真正取得了显...
今天为大家介绍的是来自Olivier Gevaert团队的一篇论文。通过合成数据训练机器学习模型可以缓解数据集成本高昂且具有挑战性时数据稀缺的问题。作者在这里展...
论文:VIFNet: An End-to-end Visible-Infrared Fusion Network for Image Dehazing
深度学习:人工神经网络为架构的表征学习,通过神经网络层次化的结构输入逐层进行特征提取和处理。
这是一款微软开源的深度学习项目,通过深度学习修复老照片的工具,可用于修复破损的老照片,修复效果显著。
基于结构的虚拟筛选(SBVS)能够从大规模化合物库中快速识别潜在的活性分子。分子对接是SBVS中最常用的技术之一,它可以用于预测配体的结合姿态,描述蛋白质-配体...
今天为大家介绍的是来自Alican Gulsevin团队的一篇论文。近期在计算工具方面的进展极大提升了对蛋白质结构预测的准确度。计算预测方法已经被用于许多可溶性...