人工智能已超越科幻范畴，现代机器学习算法能实现商品推荐、消费者行为分析、欺诈识别甚至销售预测。全球市场规模突破600亿美元，印证了智能系统对企业决策的关键价值。

传统机器学习模型依赖标注数据进行监督学习，而获取标注数据成本高昂。无监督学习的主要方法是聚类，即根据显著特征将数据点分组。传统聚类算法依赖启发式规则（如聚类中心...

近日，本课题组与北京大学化学与分子工程学院、北大清华生命科学联合中心陈鹏课题组合作，在Cell杂志上发表题为“Machine-learning-assisted...

◉ 图1 单细胞注释的原理。（A）显示了从单细胞RNA测序（scRNA-seq）中提取的mRNA。作为细胞的转录产物，mRNA反映了基因表达的异质性，并为细胞类...

研究人员引入了一种基于transformer的神经网络，在未注释的串联质谱（MS/MS）上进行自监督预训练，从MassIVE GNPS数据库中提取的GNPS实验...

机器学习模型是获取数据洞察的强大工具，选择适合自己数据和目标的模型至关重要。不管是监督学习的精准可靠，还是非监督学习的自主发现，亦或是半监督学习的灵活折中，它们...

机器学习，按照维基百科的说法，是人工智能的一个分支，专注于开发能够从数据中学习并泛化到未见数据的统计算法，从而在没有明确指令的情况下完成任务。简单说，就是让计算...

今天为大家介绍的是来自纽约大学Aristotelis Tsirigos团队的一篇论文。自监督学习（SSL）可以自动从未标注的苏木精-伊红染色的全扫描切片（WSI...

（前言：这篇文章我从祖师爷评上图灵奖的时候开始写的，但不停的在删了重写，删了重写，到现在为止才出一个我勉强接受的版本。我从我的视角来描述下我觉得这些年来强化学习...

监督学习（Supervised Learning）是机器学习中的一个重要学习方式，它主要利用一组已知类别的样本来训练模型，使模型能够预测新样本的输出。以下是对监...

在本文中，我们将探讨机器学习的目的以及何时应该使用特定技术。因此，我们将根据简单的示例了解它们的工作原理。

与监督学习不同，无监督学习不依赖于带标签的数据。在无监督学习中，数据集没有明确的标签，算法的任务是从数据中挖掘潜在的结构或模式。常见的无监督学习任务包括聚类、降...

近期，BCG AI研究所与默克公司合作开发的TEDDY模型家族——基于116百万单细胞数据训练的首个单细胞基础模型，通过大规模数据整合和生物注释监督学习，在疾病...

监督学习，也称为指令微调，是大型语言模型 (LLM) 训练过程的第二阶段。这是一个关键阶段，它建立在自监督学习阶段获得的基础知识之上。

蛋白质语言模型（Protein Language Models, pLMs）已成为研究蛋白质序列与功能之间关系的重要工具。这些模型通过自监督学习从蛋白质序列中提...

该结果表明，当两个学习过程都有足够的数据或计算时，蒸馏不能产生比监督学习更低的模型交叉熵。但是，如果以下两个条件都成立，则蒸馏比监督学习更有效：

准确率通常定义为正确预测的比例（包括真正例和真负例）与总案例数之比。如果你熟悉监督学习中的分类问题，可能已经对这个指标有所了解。在检索和RAG的背景下，它的计算...

由于公司的愿景逐渐调整为ONE Tech Company，公司的IT战略也逐渐地朝着Data & AI Driven发展，因此近半年来我一直在学习大模型相关的东...

合成孔径雷达（Synthetic Aperture Radar, SAR）作为一种基于电磁波的主动探测技术，具有全天时、全天候的对地观测能力，已发展成为一种不可...

随着人工智能（AI）的飞速发展，计算机视觉（CV）已经成为支撑多种AI应用的重要基础。从自动驾驶汽车、面部识别系统到精准医疗影像分析，计算机视觉的技术正在极大地...