Residual neural networks and cellular automata as protein secondary structure prediction models with information about folding
PulseAugur coverage of Residual neural networks and cellular automata as protein secondary structure prediction models with information about folding — every cluster mentioning Residual neural networks and cellular automata as protein secondary structure prediction models with information about folding across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
带动画的残差神经网络解释
该条目解释了残差神经网络，强调了它们在使神经网络能够从几层扩展到数百层方面的关键作用。解释中配有动画来说明概念。
-
ResNets克服了求解热方程的维度灾难
研究人员证明了残差神经网络（ResNets）在逼近半线性热方程解时，能够有效地克服维度灾难。该研究提供了理论保证，表明具有与维度和期望误差相关的参数数量的ResNets可以实现精确的逼近。证明过程涉及使用ResNet架构实现多层Picard估计器，并在特定条件下推导出特定的参数界限。
-
新理论定义了残差神经网络的最小块宽度
研究人员为内部宽度为一的残差神经网络（ResNets）的通用逼近能力建立了新的理论界限。该研究表明，对于紧凑域上的 $L^p$ 逼近，所需的最小块宽度为 $\max\{d_x, d_y\}$，其中 $d_x$ 和 $d_y$ 分别是输入和输出维度。此外，该论文证明了块宽度小于 $\max\{d_x, d_y\}$ 的 ResNets 无法实现通用逼近，无论其内部宽度如何。
-
AI模型高精度检测临床试验剂量错误 · 已追踪2个来源
研究人员开发了一种使用领域特定Transformer嵌入和分类模型来检测临床试验中剂量错误的方法。该研究评估了几种语言模型，包括ClinicalBERT、PubMedBERT、BioBERT和MedCPT，用于编码文本试验数据。BioBERT表现出卓越的性能，ROC-AUC达到0.794，比ClinicalBERT提高了3.95%。组合多个嵌入并未增强结果，这表明领域对齐比表示堆叠更关键。预测剂量错误最有效的模型是梯度提升、支持向量分…