实体
Bayesian Active Learning for Drug Combinations
Bayesian Active Learning for Drug Combinations
PulseAugur coverage of Bayesian Active Learning for Drug Combinations — every cluster mentioning Bayesian Active Learning for Drug Combinations across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
关系
最近 · 第 1/1 页 · 共 2 条
-
新ParBaLS方法提升贝叶斯主动学习效率
研究人员开发了一种名为部分批量标签采样(ParBaLS)的新方法,以提高贝叶斯主动学习算法的效率。该技术解决了将主动学习扩展到批量设置中的挑战,而之前的许多方法要么面临计算障碍,要么性能显著下降。使用大型预训练模型嵌入上的贝叶斯逻辑回归进行的实验结果表明,应用于预期预测信息增益(EPIG)算法的ParBaLS在各种数据集和预算下均取得了卓越的性能。
-
线性回归近视贝叶斯主动学习的新近似比
研究人员为线性回归中的近视贝叶斯主动学习风险建立了一个新的近似比。该比率与最大初始杠杆分数(MILS)呈线性关系,为贪婪算法在此背景下的性能提供了严格的界限。该研究将MILS引入为影响贪婪算法有效性的关键量,并包含数值模拟来展示研究结果。