主页 > 科技 > 人工智能算法可以通过深度自学进行非常详细的数据分析|AG亚博真人

人工智能算法可以通过深度自学进行非常详细的数据分析|AG亚博真人

AG亚博 科技 2021年01月13日
本文摘要:(威廉莎士比亚、人工智能、人工智能、人工智能、人工智能、人工智能、人工智能、人工智能、人工智能)但是,执行这些任务的算法通常是以数千个数据批量分析为基础的。(威廉莎士比亚、模板、自学、自学、自学)但是,新药开发所需的数据点可能会更少,但研究人员仍然要求尝试。

自学

如今,人工智能算法可以通过深度自学进行非常详细的数据分析,从面部识别到医学影响分析,人工智能算法的展示已经超过或打破了人很久。(威廉莎士比亚、人工智能、人工智能、人工智能、人工智能、人工智能、人工智能、人工智能、人工智能)但是,执行这些任务的算法通常是以数千个数据批量分析为基础的。

因此,在数据有限的情况下,人工智能的应用是允许的,其中一个例子是新药研发领域。最近,来自美国斯坦福大学(StanfordUniversity)的一个团队试图改变这一点,他们想起了深度自学领域最近一个季度的——次自学中使用的方法。一次自学只需要少得多的数据来解决问题,该团队以前成功开发了一次自学算法,只需要数百个数据点。

(威廉莎士比亚、模板、自学、自学、自学)但是,新药开发所需的数据点可能会更少,但研究人员仍然要求尝试。该成果在《ACSCentralScience》杂志上公开。文章通讯作家BJE Pande教授(照片来源:斯坦福大学官网)首先将药物的分子结构转换为原子基础几何,以便算法能够更好地分析药物。

数据

这一阶段将药物分子的内在性质转化为算法中需要分析的信息。然后研究人员用算法自学了两组数据,一组是其他化合物的毒性数据,另一组是批准的药物的副作用数据。一次自学算法在下一次测试中表现出的潜力使研究人员非常惊讶。

在第一次实验中,算法自学了6种化合物的毒性,然后预测了其他3种化合物的毒性,在第二次实验中,算法自学了21种药物的副作用,然后预测了其他6种药物的副作用。在这两个实验中,算法预测的准确性比随机猜测更好。研究人员否认这项技术尚未超过成熟期。

目前,该算法依赖类似的自学技术,主要依靠各化合物的分子式和结构上的相似性来展开预测。该算法自学药物毒性数据后,预测副作用时准确度会非常高。


本文关键词:AG亚博,化合物,预测,人工智能

本文来源:AG亚博-www.dsuraj.com

标签: 毒性   算法   自学   人工智能   数据