研究人员开发了一个名为耦合张量-张量补全(CTTC)的新框架,该框架可以将基于张量的辅助信息纳入张量补全问题中,这是生物医学挑战中的一种常用方法。与先前仅限于基于矩阵的辅助信息的方法不同,CTTC利用多模态张量之间的隐藏连接来提高补全性能。该方法基于距离度量学习和群论,并推导了一个交替算法来解决其优化问题。与HaLRTC和CTRC等现有方法相比,CTTC在预测药物对基准数据集的影响方面表现出优越的性能和准确性。 AI
排序理由 该集群描述了一篇研究论文中提出的一种用于张量补全的新方法,该方法应用于药物再利用。[lever_c_demoted from research: ic=1 ai=0.7]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →