用增强的联邦学习应对药物发现数据小和偏的困境

简介: 用增强的联邦学习应对药物发现数据小和偏的困境

众所周知,人工智能在药物研发中的应用需要大量的高质量数据,来实现良好的预测性能。

然而,AI制药的发展往往面临数据获取的挑战。药物研发数据 (尤其是药物开发后期阶段的数据) 生成过程耗时、昂贵且保密性极强,严重影响了制药公司及相关数据方分享数据的意愿。

此外,科学研究中的数据偏差也困扰着人工智能在药物发现中的应用。比如,一个特定的药物分子的性质在不同来源的记录中存在很大的差异,即使是在相同的科学测试中。

数据获取的困难和科学试验数据的偏差问题,大大限制了人工智能在药物发现中的应用效果。

目录
相关文章
|
24天前
|
机器学习/深度学习 人工智能 算法
《C++助力无监督学习:挖掘数据潜在结构的高效之道》
在无监督学习中,聚类分析与降维算法至关重要,它们能从未标记数据中发现隐藏结构。使用C++实现时,通过高效计算数据点相似度、优化K-Means算法初始化及采用随机化PCA等技术,可显著提升模型训练和评估的效率。C++的内存管理和多线程特性进一步增强了算法的性能,使其在数据挖掘、图像识别等领域发挥重要作用。
49 11
|
19天前
|
数据采集 人工智能 监控
《平衡之策:C++应对人工智能不平衡训练数据的数据增强方法》
本文探讨了在C++中处理数据不平衡问题的方法,包括几何变换、颜色变换、噪声添加和样本合成等数据增强策略,旨在提升AI模型的性能与可靠性,为C++开发者提供实用指导。
|
7月前
|
机器学习/深度学习 算法 前端开发
瞄准核心因素:Boruta特征选择算法助力精准决策
瞄准核心因素:Boruta特征选择算法助力精准决策
804 0
|
7月前
|
机器学习/深度学习 供应链 算法
智能供应链中的预测算法:理论与实践
智能供应链中的预测算法:理论与实践
282 1
|
机器学习/深度学习 自然语言处理 搜索推荐
个性化推荐系统中的深度模型:理论、实践与挑战
个性化推荐系统中的深度模型:理论、实践与挑战
436 0
|
机器学习/深度学习 人工智能 计算机视觉
吉林大学团队使用 AI 分析大量生物数据,探索蛋白质变构过程的动态相互作用
吉林大学团队使用 AI 分析大量生物数据,探索蛋白质变构过程的动态相互作用
195 0
|
数据可视化 算法 数据挖掘
网络结构数据分析:揭示复杂系统背后的规律
随着网络技术的不断发展,人们在互联网上留下了海量的数据,这些数据反映了人类社会、经济、生态等各个领域的复杂系统。而这些复杂系统背后的规律往往难以被直接观察到,需要借助网络结构数据分析的方法来揭示。本文将介绍网络结构数据分析的概念、方法和应用,以及未来发展方向
316 0
|
人工智能 算法 大数据
他奠定了当今计算机算法的规范化和量化度量
图灵提出了计算机的数学模型、冯·诺依曼确定了计算机通用的系统结构,而如果要问图灵和冯·诺依曼之后对计算机科学贡献最大的人是谁,那就不得不提到高德纳了,正是他奠定了计算机算法的基础。我们知道,没有控制程序,只有一系列硬件算不上是计算机,程序之于计算机是必不可少的,而程序的灵魂,就在于算法。
他奠定了当今计算机算法的规范化和量化度量
|
关系型数据库 测试技术 领域建模
复杂性应对之道——矩阵思维(多维度思考)
> You should not be a if-else coder, should be a complexity conquer. -Frank # 前言 这篇文章,是对之前我在[《一文教会你如何写复杂业务代码》](https://www.atatech.org/articles/146064)说的“自上而下的结构化分解 + 自下而上的抽象建模”方法论的升级。因为在之前的方法论中,我
5250 2
复杂性应对之道——矩阵思维(多维度思考)
|
机器学习/深度学习 人工智能 运维
深度 | 大数据算法应用的测试发展之路
随着最近几年数据计算力与机器智能算法的兴起,基于大数据 AI 算法的应用愈来愈热,大数据应用在各个行业也不断涌现。测试技术作为工程技术的一部分,也随着时代的不断变化在同步演进,在当下 DT 时代,如何测试和保障一个基于大数据的应用的软件质量,成为测试界的一个难题。 本文通过系统性地介绍阿里巴巴 AI 中台的技术质量体系——搜索推荐广告应用的质量是如何测试的,来尝试回答一下这个问题,希望能给大家带来一些借鉴,欢迎斧正,以便改进。
10040 3
深度 | 大数据算法应用的测试发展之路