当前位置:首页 > 报告详情

1-5 分布外鲁棒图学习的一些新进展.pdf

上传人: 云闲 编号:102377 2021-01-01 45页 8.63MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了腾讯AI实验室开发的DrugOOD框架,这是一个针对药物发现领域的图异常检测的测试平台。DrugOOD提供了一个自动化的数据策展流程,能够从大型生物医学数据库ChEMBL中自动生成具有现实世界噪声注释的图数据集,并对其进行严格的基准测试。该框架包括五个领域定义(如药物发现过程中的骨架、筛选、分子大小、蛋白质等),以及三种噪声级别,以锚定不同的噪声水平。DrugOOD基准测试了六种最先进的异常检测算法,结果显示,这些算法在处理药物发现领域的图数据时,其性能有了显著提升。此外,文章还讨论了两种图学习方法:基于子图的信息瓶颈和发现不变理由的图神经网络,这些方法有助于理解和改进图异常检测算法。
"药物发现中的图学习挑战有哪些?" "如何通过子图信息瓶颈提高图学习效果?" "GSAT和DIR在图神经网络中的应用是什么?"
客服
商务合作
小程序
服务号
折叠