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

CHEM ALGEBRA: ALGEBRAIC REASONING ONCHEMICAL REACTIONS

虽然在各种学习任务上表现出令人印象深刻的表现,但目前尚不清楚深度学习模型是否有能 力稳健地处理推理任务。衡量机器学习模型中推理的稳健性具有挑战性,因为需要提供一项 任务,该任务不能通过利用数据中的虚假统计相关性轻易简化,同时对复杂的对象和约束进 行操作。为了解决这个问题,我们提出了CHEMALGEBRA,这是一种通过预测化学计量平衡 的化学反应来衡量深度学习模型推理能力的基准。CHEMALGEBRA需要在代数约束 (例 如质量守恒原理)下操纵一组复杂的离散对象 (分子表示为公式或图形)。我们相信 CHEMALGEBRA可以作为下一代机器推理模型的有用测试平台,并作为其发展的推动者。

02

PID传感器在医疗领域人体呼出VOC气体检测装置中的应用

呼出气中含有多种挥发性有机化合物(volatile organic compounds, VOCs), 能够表征人体的健康状态, 应用于疾病诊断的研究, 优点在于无创、快捷、可重复采样和适用于大规模的疾病筛查。自发现人体呼出气内有200多种 VOCs以来, 关于呼出气VOC组分与疾病状态之间关联的研究日益增多, 如在对肺癌、糖尿病、乳腺癌等的研究 中, 通过对比病患与健康人呼出气VOCs成分和浓度水平差异, 可为VOCs疾病诊断模型的建立提供参考。以诊断模型为基础, 基于传感器技术的检测设备能对呼气VOCs进行无创、快速检测 。已有研究表明, 利用呼出气VOCs进行临床诊断, 特异性和敏感性均在70%以上。

04

学界|IBM识别癌变细胞技术取得重大突破,用深度学习与神经网络重塑病理学

IBM 最近在医学领域成果喜人,动作不断。继成功用照片诊断皮肤癌后,IBM 研究院日前发布最新成果称,他们采用了深度学习和神经网络,在识别癌变细胞的有丝分裂上取得了巨大进展。 医生在诊断癌变细胞时,主要通过用活组织切片检查法分析病人组织样本的方式。然而即使这些组织有时如针头般微小,病理学家需要从中检测出肿瘤细胞消失的种种迹象,也要观测出癌变细胞出现的重要特征,以帮助医生对症下药。 病理学家在分析样本时,会将一些典型的组织样本用试剂溶液进行着色标记。结果显示,试剂颜色的深浅及其在细胞组织内的分布情况,能够区分

06

系统架构师论文-论企业应用集成(车站综合信息平台)

2004年10月,我参加了某车站综合信息平台项目的开发,承担项目的方案设计任务。该项目力图通过対车站现有信息子系统的集成,以达到共事各子系统的数据,优化企业运输作业流程,提高企业经营管理水平之目的。 本文结合笔者的实践,以该综合信息平台建设项目为例,讨论了企业应用集成技术。在本着集成、开放标准、管理配套的原则下,提出了基于Java技术的J2EE应用服务器作为统一的应用集成平台,以集成适配器作为系统集成架构模式的总体设计思路,并着力介绍了该项目关键部件一一集成适配器的构建过程。还就项目的具体实施作了详细叙述。最后,提出了企业应用集成的持续性,并确定了下一歩集成的目标。

01
领券