前端发展至今，研发同学们为了解决提效问题，衍生出多种建站模模式，核心思路是：把多而重复的工作尽可能磨平，只针对定制化需求进行开发。这里分享一种新的建站模式 - 通过构建多个 领域模型 搭建系统。...通过建站系统配合云函数，可以快速的响应并交付需求 这种方案几乎可以解决 80% 的通用运营需求： 建站体系通过 model -> view 的模式，根据db表直接映射成运用站点。...我们需要做到极致的提效，就需要把这 80% 的重复能力给沉淀下来。这里就需要引入 “领域模型” 的概念。 所谓领域模型，它描述了一种通用业务能力，如：消息推送，云指令，端内触达，动态资讯等等。...客户需要把特定的消息内容（货），基于特定事件（场），特定业务条件（场），推送给指定guid的人群（人），在客户端以通知栏的形式展现。...基于这个需求，我们可以抽象出一种叫“消息推送”的业务能力，进而通过领域模型去表达。
作者提出了图潜在扩散模型(graph latent diffusion model，GLDM)，一种既保留了自编码器压缩复杂化学数据的有效性，又保留了扩散模型生成新分子的能力的潜在扩散模型。...近年来，基于深度学习的生成算法在文本和图像生成等领域取得了巨大成功，在化学领域，生成模型也可以通过识别化学空间的隐藏模式和定向寻找候选分子，来促进药物发现。...图2 案例分析 总结 在本文中，作者提出了GLDM，一种能够产生能够诱导所需生物活性的药物分子的潜在扩散模型。...实验表明，GLDM性能超越了现有的模型。 以前的研究直接在针对约束生成任务的小数据集上开发模型。然而，广泛使用的大规模分子数据集没有包含足够的类药物分子，因此其模型无法学习到潜在药物结构的全面分布。...与基线模型相比，GLDM模型产生的分子具有更高的结合亲和力，将是一种很有前途的加速药物发现过程的方法。 参考文献 [1] Wang et al.
亮点 1.提出了一个基于卷积神经网络进行车道线检测的新方法，区别于逐像素分割方法，该方法预测输入图像中每行的车道线位置。...---- 为了利用车道线物理结构的特性作为网络输出结果的约束，在上述方法的基础上，作者又构造了2个损失函数。 因为车道线是光滑的，所以相邻row anchor中车道线所在的cell的位置不会有突变。...使用相似性损失函数约束网络的输出结果，使得相邻两个row anchor的cell类别概率分布不会有突变。 此外，车道线一般是直线；由于视角的原因，弯曲的车道线在图像上大部分也近似直线。...最小化相邻row anchor预测出车道线位置的二阶差分，能够约束网络预测结果，使得车道线不要“太弯”。 在车道线存在的情况下，使用如下公式能得到车道线所在的cell的位置 ?...使用了旋转、垂直和水平移位的方法，为了保持车道线的结构，在数据增强得到的图片上对车道线进行了延长，如下图所示 ?
标题：Ultra Fast Structure-aware Deep Lane Detection（ECCV 2020） 代码地址：在公众号「3D视觉工坊」，后台回复「车道线检测」，即可直接下载 亮点...1.提出了一个基于卷积神经网络进行车道线检测的新方法，区别于逐像素分割方法，该方法预测输入图像中每行的车道线位置。...---- 为了利用车道线物理结构的特性作为网络输出结果的约束，在上述方法的基础上，作者又构造了2个损失函数。 因为车道线是光滑的，所以相邻row anchor中车道线所在的cell的位置不会有突变。...使用相似性损失函数约束网络的输出结果，使得相邻两个row anchor的cell类别概率分布不会有突变。 此外，车道线一般是直线；由于视角的原因，弯曲的车道线在图像上大部分也近似直线。...最小化相邻row anchor预测出车道线位置的二阶差分，能够约束网络预测结果，使得车道线不要“太弯”。 在车道线存在的情况下，使用如下公式能得到车道线所在的cell的位置 ?
摘要 LSF-SCNN，即基于词汇语义特征的跳跃卷积模型 (Lexical Semantic Feature based Skip Convolution neural network )，基于卷积神经网络模型引入三种优化策略...再如，释义识别任务，即判断两句话是否表达同一种语义。...目前，基于CNN模型的短文本相似度的计算方法可以大致分为两类：一类是基于Siamese结构的神经网络模型，先分别学习输入的文本对儿的句子向量表达，再基于句子向量计算相似度；另一类是直接以词语粒度的相似度矩阵作为输入...3.1 基于Siamese结构的神经网络模型 这里列举最近两年比较有代表性的两篇文章。...3.2 基于词语粒度的相似度矩阵直接学习并计算文本相似度 如下图，Meng在其文章中[7]直接基于词向量计算输入文本对儿在单词粒度上的相似度（计算方式有多种：欧式距离、余弦距离、参数化的相似矩阵），并以此为后续深层卷积神经网络的输入
可以发现，无尺度网络所描述的模型和二八理论非常契合，20%的网络节点是极度重要的，因为他们支撑起了网络的骨架。从这个角度看，80%的网络节点显得并不那么重要。...许多网页之间是通过超链接形式相互跳转的，无尺度网络模型的研究人员对迅速增长的网页产生了兴趣，他们认为网页的增长，必然带来链接数的增长。...这个发现让人们试图将无尺度网络模型引入当今的互联网体系研究当中。图1为无尺度网络模型示意图。 ?...图一 既然网页群可以适用无尺度网络模型，那么对于互联网物理层的这些路由器、交换机以及数据中心，能否适应无尺度网络模型呢？...笔者提出一种参考方案，即“蜂窝式的离散数据中心架构”，将传统的一个数据中心离散化，但离散的程度并不足以打消节点的鲁棒性，又能够大大加强其应对协同攻击的能力，称其为“亚离散化”。
证明 DeepSurv 的表现与其他最先进的生存模型一样好，甚至更好，并验证 DeepSurv 成功地模拟了患者协变量与其失败风险之间日益复杂的关系。...（如Cox比例风险模型）的预测性能。...这个指标衡量了模型预测的风险（或生存时间）与真实观察到的生存时间之间的一致性程度。...一致性指数（C-index）的值域在0到1之间，其中：0.5 表示模型的预测性能与随机猜测一样好（即没有预测能力）；1.0 表示模型的预测完全准确。...在实际应用中，很难找到完全一致的预测模型，既往研究认为，C-index在0.50-0.70为较低准确度；在0.71-0.90之间为中等准确度；而高于0.90则为高准确度。
2021年9月15日，Chemical Engineering Journal杂志发表了兰州大学姚小军课题组和腾讯量子实验室谢昌谕博士等人合作的研究文章，该文章提出一种基于Transformer模型的新方法...在这项工作中，作者提出了一种单步无模板和基于Transformer的方法RetroPrime，整合了化学家的逆合成策略：(1)将分子分解成合成子，(2)通过附加离去基团生成反应物。...2.4 反应多样性 为了估计反应多样性，作者使用了一种反应型计数方法。使用基于典型消息传递神经网络的反应类型预测器来预测预测反应的反应类型。...“标记并对齐”使用标记的标记来区分和对齐合成子和反应物之间的反应中心和保守基团。对于与图5相同的示例，模型的直接输出过程如图6所示。采用上述两种策略后，模型预测的多样性和化学合理性可以显著提高。...基于上文中介绍的指标的多样性估计如表2所示。 4.总结 作者提出了一种新的基于Transformer的方法，RetroPrime，以解决逆合成预测问题。
知识图谱可视为只有正样本，即关于多药相互作用的已知关联。为了获得有效的负样本，通常使用负采样策略生成负样本。给出一个现有边的正样本，通过用均匀采样的随机顶点替换两个链接顶点中的一个，可以生成负样本。...基于缓存的NSCaching模型[3]通过将分数较大的罕见负三元组样本存储在缓存中来跟踪它们。从缓存中负样本与正样本之比为1:1的比率采样。...TriVec_SE是TriVec模型，其中药物节点以副作用初始化。 SimVec_Chem是用化学表示初始化的模型。 SimVec_weighted是一种具有加权和新的相似边的模型。...作者评估了三种不同的表示下的加权策略：基于Morgan指纹、基于RDKit分子描述符、基于双曲空间嵌入。...总结 本文研究了基于知识图谱的药物副作用预测模型，通过有限的已知多药关联显著改进了对药物副作用的预测。
该框架完全继承了基于 GNN 的自动分子特征提取和基于 XGBoost 的性能准确预测的优点。作者使用 XGraphBoost 框架评估了分类和回归问题。...虽然传统的机器学习算法在分子特性预测的精度已经达到了令人满意的程度，但是一个分子不能直接加载到机器学习模型中，需要从一个分子中设计和计算出一组工程特征。...因此，在进一步部署预测模型之前，必须评估三种基于 GNN 的特征提取算法中的每一种在特定预测问题（或数据集）上的执行情况。...图4 监督学习器 XGBoost 与 GNN 原始输出层的性能比较 通过简单地用监督学习器 XGBoost 替换这些 GNN 的输出层，几乎所有的分类模型都得到了改进，如图 4 所示。...所有其他 GNN 模型都通过用 XGBoost 替换它们的输出层进行了改进，并且在 ToxCast 数据集上 GCN 提取的特征实现了 AUC 0.197 的最大改进。
当前的布局感知的文本到图像扩散模型仍然存在一些问题，包括文本与布局条件之间的不匹配以及生成图像的质量下降。本文提出了一种名为NoiseCollage的新型布局感知的文本到图像扩散模型，以解决这些问题。...为此，本文提出了NoiseCollage，一种新颖的布局感知文本到图像扩散模型。它能够生成准确反映文本和布局条件的多对象图像。...NoiseCollage是第一种在去噪过程中对各个对象估计的噪声执行裁剪和合并操作的方法。它生成的没有伪影的准确高质量图像表明，噪声是直接布局控制的良好介质。...基于注意力操纵的布局感知文本到图像模型 "Paint-with-words" 尝试在单个交叉注意力层中控制 N 个对象，经常导致对象之间的混淆。...结论 本文提出了一种新颖的布局感知文本到图像扩散模型，称为NoiseCollage。
常见的目标检测模型很难解决这些问题。 因此，我们提出了一种改进的茶叶病害检测模型。我们使用在中国茅山茶厂收集的茶叶病害数据集。利用自注意机制增强了模型获取全局茶叶病害信息的能力。...我们的研究致力于解决一般目标检测模型难以有效识别茶病目标的问题。为了解决茶叶病害智能识别过程中遇到的一系列问题，设计了一种改进的茶病害智能识别模型。...如下图所示，SIoU引入了目标框和预测框之间的矢量角进行优化。 迁移学习 训练需要大量的样本来保证训练性能。由于数据样本数量有限，直接从头开始训练很难获得良好的检测结果。...迁移学习是一种将已知领域的知识应用于目标领域的技术，它可以将训练好的网络模型从大型数据集转移到新的数据集，并实现网络模型参数和权重在新数据集上的重用。...由于缺乏大规模的茶叶病害图像样本，且茶叶病害特征与其他植物病害特征相似，引入了一种迁移学习方法来提高模型的性能。
最近，引入了一种高级状态空间模型（SSM），称为Mamba，它提供了线性计算复杂度，同时有效地建立了长时间依赖关系。 尽管它们具有优势，但基于Mamba的方法在保留局部语义信息方面面临挑战。...CNN基于的模型擅长捕捉局部信息，而 Transformer 基于的模型则利用自注意力机制来模拟远程依赖性。然而，这些方法在RS应用中仍存在局限性。...为了解决这些问题，Mamba，一种基于状态空间模型（SSM）的新型网络，被引入 [17]，为有效捕捉RS图像语义分割的长程依赖性提供了一个有前途的解决方案，计算复杂度为线性。...本文提出了一种名为Pyramid Pooling Mamba (PPMamba)的新网络，旨在解决现有基于SSM的RS图像语义分割方法中局部信息丢失的问题。...本文的主要贡献可以总结如下： 提出了一种新的基于Mamba的网络，PPMamba，可有效地在保持线性计算复杂度的条件下，模型局部和全局关系。
扩展卡尔曼滤波器（EKF）是一种广泛使用的基于状态演化和测量模型的状态空间模型的低复杂度解决方案。然而，在实际中获取这些模型的精确信息是很困难的，并且模型失配会大幅降低状态估计精度。...在这篇文章中，介绍一种称为Split-KalmanNet的深度学习方法用于状态估计。我们的算法基于模型实现，主要概念时使用两个并行的DNNs对先验状态估计和新息协方差矩阵进行单独训练。...但是，在实际中完美的获取这些信息很困难，模型失配导致EKF算法性能显著下降。因此，一种可以处理模型不匹配的鲁棒序贯状态估计算法是必要的。...基于模型的EKF算法在模型失配时会出现显著的性能下降。...5、结论 在本文介绍了一种稳健的序贯状态估计算法，称为 Split-KalmanNet，该算法旨在处理具有模型不匹配的 SS 模型。
本次分享主要关注异构图（或者叫异构网络）在数据挖掘中的应用，特别是异构图交互模型在推荐系统中的应用。...通过分析前期工作的两类思路，一是基于基于图中邻居的信息，另一个是基于元路径的信息；重点探讨了交互信息在两种思路中缺失。进一步探讨了近来工作的尝试。...最终介绍了NIRec，一种高效的基于邻居的异构图交互模型。 01 自我介绍 晋嘉睿，上海交通大学博士二年级博士生，导师为俞勇教授和张伟楠副教授。研究兴趣是图数据挖掘和信息检索。 ?...所以，我们首先需要在异构图上定义一种范式，这种范式，比较常用的便是元路径，这是由于一种元路径往往可以代表一种特殊的语义信息，比如表1表述的，元路径UU（User-User）代表着用户间的关系，对应着社交推荐...NIRec框架图 在采样之后，我们设计了交互模型和聚合模型，在交互模型中，我们提出了一种全新的卷积操作，这种卷积操作来源于信号处理，包括反转，交互，平移。
超过风速:一项预测飓风影响的新措施 研究人员开发了一种基于神经网络的模型，用于评估沿海社区对飓风的弹性 在2017年席卷大西洋盆地的六次主要飓风对沿海社区的脆弱性起到了毁灭性的提醒作用，美国一半以上的人口居住在那里...如果有更好的方法来预测和沟通这些风暴的破坏性经济影响，然后才会发生呢? 科罗拉多州立大学的土木工程师们开发了一种新的方法来评估沿海社区对飓风的适应性。...他们创造了一个“多危险的飓风影响等级模型”，该模型预计在风暴发生之前，会造成经济损失。 《帕尔格雷夫通讯》(Palgrave Communications)最近发表的一篇论文详细阐述了这种影响模型。...最严重的影响通常是洪水、降水和风暴潮，再加上地势、人口密度和基础设施的质量。研究人员想要找到一种更准确的方式来谈论影响。...他们的模型使用的输入包括估计的着陆、受影响的人口、最大风速、最大风暴潮和总降水量。 然后，他们在实际的风暴中实时测试模型，包括最近的飓风哈维，它于8月袭击了德克萨斯州休斯顿附近的墨西哥湾海岸。
该论文提出了一种能够在分子生成过程中考虑到蛋白-配体相互作用的深度学习生成模型RELATION，该模型适用于基于靶标结构的全新药物设计。...在药效团约束和BO采样的作用下，RELATION将会更加适用于基于靶点结构的全新药物设计任务。 2 RELATION方法 数据集 RELATION模型的训练使用了源域和目标域两种数据集。...图2 不同模型生成的分子与抑制剂的T-SNE分析 药效团约束和BO采样模块的效果 RELATION模型的药效团约束是通过CVAE框架实现，将药效团特征匹配度作为CVAE的特征引入到RELATION的训练中...随着基于对接打分的BO采样以及药效团约束模块用于RELATION模型，RELATION模型能够使得生成的分子同时具有更好的药效团匹配和对接表现。...这些结果表明，RELATION模型是一种极具竞争力的深度学习全新药物设计模型。
它们的优势在于高效的计算，但依赖于观测数据且假设大尺度与局部尺度关系不变。动力降尺度则基于区域气候模型（RCMs），这些模型分辨率高于GCMs但限于特定区域。...情景（2006-2100）基于第五阶段耦合模型比较计划（CMIP5）的两个代表性浓度路径：RCP4.5和RCP8.5。文章详细介绍了基于深度学习的区域气候模型（RCM）仿真器的开发。...这一方法依赖于计算成本较低的机器学习算法，以增加高分辨率RCM模拟集合的规模。RCM仿真器基于UNet，一种全卷积神经网络架构，重点用于仿真欧洲西部特定领域的日近地面温度。...结论：这项研究旨在探索一种新型的混合降尺度方法，即模拟区域气候模型（RCM）的降尺度功能。具体来说，就是学习将大尺度气候信息转换为区域气候模型执行的局部气候信息。...这种方法被称为RCM-仿真器，旨在以较低的成本增加高分辨率区域模拟集合的大小。RCM-仿真器基于一种名为UNet的全卷积神经网络算法，显著降低了与RCM运算相关的计算成本。
该文提出了一种新的基于流（flow）的自回归模型FFLOM，可用于先导化合物优化任务中小分子的连接子（linker）和R基团设计，使用者可自定义待修改片段和生成长度，在保留优势区域及其构象的前提下对局部片段进行改进...模型框架 自回归流模型旨在学习基础分布（如高斯分布）到现实世界数据分布（如分子）的可逆映射，现实世界数据空间的密度函数可通过变量替换公式（change-of-variables formula）来建模，...在唯一性和新颖性指标上，增加了限制的FFLOM模型在PDBbind测试集上仍优于其它模型，在CASF测试集上则位列第二。...总结 作者提出了一种新颖的基于流的自回归模型FFLOM，该模型提供灵活的linker和R基团生成方法（使用者可自定义片段的范围和长度），在多种片段到先导物的优化场景中均可应用。...实验结果显示，在分子结构和多项成药性指标合理前提下，该模型生成分子在有效性、唯一性、新颖性和重现率上的表现超过其他模型。
基于深度学习的模型主导了生产推荐系统的当代格局。现代推荐系统提供了大量实际应用。由于规模不断扩大的深度神经网络模型，它们取得了令人难以置信的进步。...然而即使在工业规模的数据中心内，此类模型的训练也具有挑战性。这一挑战源于训练计算惊人的异质性——模型的嵌入层可能占整个模型大小的 99.99% 以上。...本研究将推荐模型的属性与其收敛性联系起来，以证明其有效性。研究人员描述了一种自然但不寻常的混合训练技术，该技术接近嵌入层和密集神经网络模块。此外该研究还对其收敛行为进行了详尽的理论描述。...在 Kwai，PERSIA 使用公开可用的基准测试和实际工作负载进行评估。 研究人员最初提出了一种同步-异步混合方法，其中嵌入模块异步训练。同时密集神经网络同步更新。...波斯基于两个基本方面： 训练工作流在不同集群中的分布 相关的混合基础设施训练程序 PERSIA 有四个模块，为推荐系统提供有效的自动缩放： 从 Hadoop、Kafka 和其他分布式存储系统中提取训练数据的数据加载器
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
云直播
