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。
用增强的联邦学习应对药物发现数据小和偏的困境
2022-05-05
131
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
用增强的联邦学习应对药物发现数据小和偏的困境
目录
相关文章
|
4月前
|
机器学习/深度学习
算法
安全
|
5月前
|
机器学习/深度学习
安全
网络安全
利用机器学习优化数据中心能效的研究数字堡垒的构建者：网络安全与信息安全的深层探索
【5月更文挑战第29天】在云计算和大数据时代，数据中心的能效问题成为关键挑战之一。本文通过集成机器学习技术与现有数据中心管理策略，提出了一种新型的智能优化框架。该框架能够实时分析数据中心的能耗模式，并自动调整资源分配，以达到降低能耗的目的。研究结果表明，应用机器学习算法可以显著提升数据中心的能源使用效率，同时保持服务质量。
37
0
0
|
5月前
|
机器学习/深度学习
算法
前端开发
|
5月前
|
机器学习/深度学习
供应链
算法
|
5月前
|
机器学习/深度学习
算法
|
11月前
|
人工智能
Cloud Native
Devops
|
机器学习/深度学习
算法
数据挖掘
R语言自动化学习：乳腺癌诊断颠覆式进化的最新潮流！
本文将探讨自动化学习在乳腺癌诊断中的应用潜力。通过分析大规模的乳腺癌数据集，自动化学习可以提供准确、一致和可靠的诊断结果，为早期筛查、风险评估和治疗方案建议提供支持。然而，仍需解决数据隐私保护和模型解释性等挑战，以推动自动化学习技术在乳腺癌领域的实际应用。
172
0
0
|
机器学习/深度学习
|
机器学习/深度学习
编解码
人工智能
|
机器学习/深度学习
人工智能
机器人