DL:深度学习 (Deep Learning),指基于人工神经网络的机器学习技术,可以从大量数据中自动学习特征。 RL:强化学习(Reinforcement Learning),是ML的一个分支,是指让机器通过与环境交互,不断尝试和反馈,学习最优策略的技术。 SL:监督学习(Supervised Learning),是ML的一个分支,是指让机器通过有标签的数据集,学习输入和输...
急性口服毒性预测也使用了ML和DL方法，实现了高准确性和高回归性能。总之，人工智能方法，包括ML和DL，在预测各种ADMET性质，如溶解性、亲脂性、代谢性、毒性和其他相关特性方面已显示出可观的前景。DL方法，如DNNs和GCNNs，在预测准确性方面往往超过了传统的ML方法。然而，传统模型如RF回归模型仍有其应用。量子力学...
它避免了手动提取特征的麻烦,允许计算机学习使用特征的同时,也学习如何提取特征:学习如何学习。也就是说,不用人工构建特征。 (4)DL:深度学习(Deep Learning, DL)就是表示学习RL的最好体现——深度学习就是用来解决人工构建特征麻烦而且不准确的问题,优点是机器自己会构建特征,缺点是看不出来是哪种因素对结果影响较...
DL模型也已被开发出来,用于预测高效的激酶抑制剂,并显示出超过0.75的顶级中位马修斯相关系数(MCC)值。图卷积神经网络(GCNN)等DL算法已被应用于预测抗疟疾化合物,并取得了良好的效果。ML模型也被用于预测化合物的作用方式,如非共价激酶抑制剂。在高通量筛选(HTS)中,ML和DL方法已被用于识别频繁出现的苗头化合物和其...
多靶点RL也已被纳入,以优化药物相似性和分子相似性。转录组数据也被用来设计与活性化合物有更高相似性的化合物。这个领域的挑战包括建立评估所创造的分子的重要性的标准,考虑合成的可及性,寻找最合适的化学表现形式,扩展到小分子以外的领域,以及将生成化学整合到自动化实验室。
1、机器学习（Machine Learning, ML）：是人工智能的一个重要分支，指计算机通过学习数据来完成任务，而不是通过编程来解决问题。机器学习分为监督学习、无监督学习、半监督学习和增强学习等几类。2、深度学习（Deep Learning, DL）：是机器学习的一种，其特点是使用具有多层非线性变换的神经网络来处理数据。深度学习...
解释：RLHF就像是你在学习新技能时有人在一旁指导。在AI中，通过加入人类的实时反馈来优化模型的学习过程，使其更好地理解和执行任务。这种方法可以提高学习效率和结果质量。31. 循环神经网络（RNN）解释：RNN就像是看连续剧时的记忆。它能记住前面的信息并用于理解后面的内容。在AI中，RNN通过循环连接保持对之前信息...
ML 包含 DL 和 RL，是 AI 的一个子集。与符号人工智能相比，机器拥有解决特定问题的所有规则，而机器...
AI理论大纲 经典ML算法 Linear Regression 线性回归 Logistic Regression 逻辑回归 Naive Bayes 朴素贝叶斯 KNN-分类/回归 SVM 决策树 随机森林 Adaboosting G… 阅读全文 登录知乎,您可以享受以下权益: 更懂你的优质内容 更专业的大咖答主 更深度的互动交流 ...
强化学习(Reinforcement Learning):算法藉由得到环境中的反馈而学习。 RL通常用于机器人技术,或自动驾驶汽车等控制领域。 例如将目标函数(Objective Funcion)设定为「成功从A点移动到B点」,每次机器人成功到达B点,就会得到正面响应(reward),一直到重复直到机器人学会执行这项任务为止。