实体
Jeffrey D Varner
Jeffrey D Varner
PulseAugur coverage of Jeffrey D Varner — every cluster mentioning Jeffrey D Varner across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新方法提高了多资产股票模拟的准确性
研究人员开发了一种方差校正方法来模拟多资产股票数据,解决了重用现有生成器时市场方差的重复计算问题。该校正方法在将每个资产的抽样值添加到市场因子之前,对其进行中心化和重新缩放。该方法在一个包含424只美国股票和ETF的宇宙中,对423只非市场资产进行了测试。校正后的路径成功地维持了重尾特性,并准确地再现了校准的市场载荷,与朴素组合相比,提高了合成方差的准确性。
-
新AI框架从小型队列生成合成患者数据
研究人员开发了一种名为多重性加权随机注意力(SA)的新生成框架,该框架利用现代Hopfield网络从小型纵向队列中创建合成患者数据。该方法将真实患者档案存储为记忆模式,从而能够生成与原始小型数据集的保真度和特征高度匹配的合成数据。SA框架成功应用于23名患者的纵向凝血数据,展示了其在数据有限的领域(如孕产妇健康和罕见病)进行机械校准和假设生成等任务的潜力。
-
新方法使用随机注意力条件化蛋白质生成
研究人员开发了一种新颖的通过无训练随机注意力采样器条件化蛋白质生成的方法。通过将多样性比率纳入采样器的logits中,可以将生成过程从广泛的蛋白质家族转移到特定的目标子集。该技术在五个Pfam家族中进行了测试,结果表明注意力机制准确地遵循了分析目标,尽管特定残基标记的恢复取决于通过主成分分析分离指定序列和背景序列。加权剖面HMM显示了更直接的标记恢复,而在涉及Kunitz序列的比较中,随机注意力实现了更低的困惑度。