首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

Patterns | scMMGAN: 单细胞多模态GAN揭示三阴性乳腺癌单细胞数据中的空间模式

本文介绍由美国耶鲁大学计算机科学系的Smita Krishnaswamy通讯发表在 Patterns 的研究成果:为了同时分析多个组学数据中的信息,作者提出了一个叫做单细胞多模态生成对抗网络(scMMGAN)的框架,该框架将来自多种模态的数据整合到环境数据空间的统一表示中,并结合对抗学习和数据几何技术进行下游分析。该框架的关键改进是一个额外的扩散几何损失,它使用一个新的内核来约束原本过度参数化的GAN。作者证明了scMMGAN有能力在各种数据模式上产生比其他方法更有意义的结果,并且其输出可用于从现实世界的生物实验数据得出结论。

02

One-Shot Unsupervised Cross Domain Translation

给出一个来自领域A的单一图像x和一组来自领域B的图像,我们的任务是生成x在B中的类似物。我们认为,这项任务可能是一项关键的人工智能能力,它强调了认知代理在这个世界上的行动能力,并提出了经验证据,表明现有的无监督领域翻译方法在这项任务上失败。我们的方法遵循一个两步过程。首先,为领域B训练一个变异自动编码器。然后,给定新的样本x,我们通过调整接近图像的层来创建A域的变异自动编码器,以便直接适应x,而只间接适应其他层。我们的实验表明,当对一个样本x进行训练时,新方法和现有的领域转移方法一样好,当这些方法享受来自领域A的大量训练样本时。我们的代码可在https://github.com/sagiebenaim/OneShotTranslation 公开。

02

谈微服务架构设计模式

随着网络基础设施的高速发展,以及越来越多的个体接入互联网,在考虑构建支持海量请求以及多变业务的软件平台时,微服务架构成为多数人的首选。微服务架构的出现时服务事物发展规律的:当问题足够大,有足够多的的不确定因素时,人们习惯于把大的问题拆分成小的问题。通过分割,抽象和重用小而可靠的功能模块来构建整体方案。但是当这些小的,可重用的部分多来越多的时候,又会出现新的问题。再相似的阶段,人们遇到的问题也是相似的,这个时候人们需要一些共识,需要用一些通用的词汇来描述问题以及解决方案,这也是人们知识的总结,微服务模式就是这样的总结和概括,是一种可以通用的共识,用于描述微服务领域的中的问题及解决方案。

03
领券