生物数据规模的扩大和固有的复杂性促使机器学习在生物学中的应用越来越多。所有的机器学习技术都能将模型与数据相匹配；然而，对于生物学研究人员来说如何正确理解和使用机器学习技术，仍然存在很多困惑。去年9月《Nature ...
随着生物与信息融合（BT与IT融合）发展，越来越多的IT技术已实际应用于BT问题，例如今天小编介绍的这三个利用神经网络进行空间转录组分析的方法...
实际上，前面提到的使用 了MNIST数据集的例子中，输入图像就是1通道、高28像素、长28像素 的（1, 28, 28）形状，但却被排成1列，以784个数据的形式输入到最开始的Affine层。...
卷积神经网络由输入层（input layer)、卷积层（convolution layer)、池化层（pooling layer)、全连接层（fully connected layer)和输出层（output layer)组成。
在对公式(3)的误差曲面运行梯度下降之前，我们必须要选择参数 的初始配置。 对应公式(1)神经网络中所有 层中的权重和偏置 。通常，这些参数的初始值是随机选择的。权重 从一个零均值方差为 的高斯分...
机器学习包含用于大量数据处理任务的广泛算法和建模工具，这些已进入近年来最科学的学科。我们以选择性的方式回顾了有关机器学习与物理科学之间的交叉领域的最新研究。这包括以物理见解为动力的机器学习（ML）的概念性发展...
前段时间 Transformer 已席卷计算机视觉领域，并获得大量好评，如『基于Swin-Transformer』、『美团提出具有「位置编码」的Transformer，性能优于ViT和DeiT』、『Lifting Transformer』、『TimeSformer』等等 Transformer...
前一篇介绍英文论文审稿意见及应对策略的学习笔记，参考各位老师的学习和回答。这篇文章将翻译及分享S&P2019的一篇文章《Neural Cleanse: Identifying and Mitigating Backdoor Attacks in Neural Networks》，介绍神经...
光场相机可以通过记录光线的强度与方向信息将3维场景编码至4维光场图像。近年来，卷积神经网络被广泛应用于各项光场图像处理任务。然而，由于光场的空间信息与角度信息随空变的视差高度耦合，现有的卷积网络难以有效处理高...
