V
主页
京东 11.11 红包
20240110【图数据小样本学习】姚权铭:Few-shot learning from biomedical networks
发布人
报告嘉宾:姚权铭 (清华大学) 报告时间:2024年1月10日 (星期三)晚上20:00 (北京时间) 报告题目:Few-shot learning from biomedical networks 报告人简介: 姚权铭目前是清华大学电子工程系助理教授,国家高层次青年人才计划入选者。于香港科技大学计算机系取得博士学位,后于第四范式担任首席研究员,创建和领导机器学习研究团队。主要研究方向为机器学习,特别是结构化数据元学习方法。发表顶级论文80余篇,包括Nature Comp. Sci./ Nat. Com./ JMLR/ IEEE TPAMI/ ICML/ NeurIPS/ ICLR等,总被引8000余次。其中抗噪标签算法“Co-teaching”是鲁棒学习领域的里程碑;小样本学习综述是CSUR近五年来最高被引论文;自动化图学习方法 (TPAMI 2023等)蝉联Open Graph Benchmark榜单第一名;基于医药网络解决新药物互反应的相关工作,刊载于Nature子刊。担任ICML、NeurIPS和ICLR会议领域主席,期刊Neural Network和Machine Learning编委。荣获国内外诸多知名奖项,包括国际神经网络学会早期成就奖、香港科学会优秀青年科学家、Google全球博士奖等,同时入选全球Top 50华人AI青年学者榜、福布斯30Under30精英榜与全球Top 2%科学家。 个人主页: http://cvlab.cse.msu.edu 报告摘要: Accurately predicting drug-drug interactions (DDI)for emerging drugs, which offer possibilities for treating and alleviating diseases, with computational methods can improve patient care and contribute to efficient drug development. However, existing methods require large amounts of known DDI information, which is scarce for emerging drugs. In this talk, we present EmerGNN, a graph neural network (GNN)that can effectively predict interactions for emerging drugs by leveraging the rich information in biomedical networks. EmerGNN learns pairwise representations of drugs by extracting the paths between drug pairs, propagating information from one drug to the other, and incorporating the relevant biomedical concepts on the paths. Overall, EmerGNN has higher accuracy than existing approaches in predicting interactions for emerging drugs and can identify the most relevant information on the biomedical network. Related works have recently been accepted to Nature Computational Science/ Nature Communication/ IEEE TPAMI.
打开封面
下载高清视频
观看高清视频
视频下载器
20241009【视觉计算中的跨域和跨任务学习问题】赵知临:外分布机器学习理论与算法
【唐宇迪】7小时深度学习时间序列预测,从零基础到实战(附代码+数据集+原理介绍)LSTM/pandas/机器学习
【yolov8】一小时掌握!从0开始搭建部署YOLOv8,环境安装+推理+自定义数据集搭建与训练,入门到精通!
2024公认最好的机器学习教程!斯坦福吴恩达亲授,Machine Learning Specialization!
【YOLOv11】实测!对比YOLOv8、v9、v10,是否实用?哪个更适合结合自己的业务场景?
20240117【学术新人“修炼手册”】彭思达:完成一篇论文的科研历程与经验
【VALSE2024】0505《2023-2024年度CV与ML领域重要学术进展》
可以说知道这五个网站就没有找不到的数据集!特别是最后一个简直就是学术利器!-人工智能/深度学习/机器学习/数据集
研究生话题:入门机器学习深度学习需要多久时间?这次终于能搞明白了!
20240814【多模态医学图像处理及医学大模型的发展近况】王连生:病理数据的多模态分析
深度学习环境配置一套搞定:anaconda+pytorch+pycharm+cuda全详解,带你从0配置环境到跑通代码!
【VALSE2024】0505 赵恒爽《APR:视觉基础大模型》
B站强推!【PyTorch深度学习实战案例】70个练手项目合集,B站最通俗易懂的pytorch深度学习,还不拿下!!-PyTorch/PyTorch安装
20240605【Prompt Learning in Vision】陈广义:Prompt Learning Meets Dense Context for …
20240814【多模态医学图像处理及医学大模型的发展近况】陈浩:多模态计算病理基准模型:挑战和未来
20210421【无师自通:自监督学习】田渊栋:Understanding representation learning without negative……
【VALSE2024】0505 俞扬《APR:世界模型与具身决策》
20240327【多模态大模型的前身与今世】叶翰嘉:基于大语言模型的CLIP零样本分类
【VALSE2024】0505 林倞《APR:面向具身智能的多模态感知与交互》
【强推!】 这绝对是AI+医疗最好的【医疗机器学习】全套教程,不愧是MIT教授31小时全学会通关了!!!-人工智能|AI医疗|人工智能医疗
【VALSE2024】0505 高林《APR:三维高斯泼溅(3D Gaussian Splatting)》
这可能是B站我见过最完整的TensorFlow安装入门实战教程!神经网络、猫狗识别、时间序列预测、迁移学习一口气学爽!
20231025【面向视觉的零样本学习】李晶晶:基于生成模型的零样本视觉识别
【VALSE2024】0506《Workshop :具身智能的视觉与学习》
20240522【计算机辅助诊疗:过去,现在和未来】骆路阳:Understanding and Learning from Imperfect Medical
2024终于有科研大佬把“你的科研能力从什么时候开始突飞猛进的?”讲清楚啦!
入门KG必看!迪哥通俗易懂的讲解知识图谱核心知识及项目实战,带你手撕Neo4j图数据、医疗智能问答助手、NLP关系抽取核心技术等实战源码!
【VALSE2024】0505 杨耀东《APR:从偏好对齐到价值对齐与超对齐》
简直逆天!研一在读, 代码完全不会, 怎么入门深度学习? 看看李沐老师毫无保留讲的深度学习如醍醐灌顶!
20240918【医学视觉语言大模型:进展与展望】李响/章恺:BiomedGPT: A generalist vision–language foundati…
吹爆!适合所有新手入门的缺陷检测实战项目解析,大佬带你手撕源码,3小时快速上手!
20240918【医学视觉语言大模型:进展与展望】郑冶枫:Medical Imaging Meets Vision-Language Model
【附源码】毕设有救了!整整50套深度学习项目,算法原理+论文解读,比啃书强太多了!学完就能玩透人工智能!pytorch/机器学习/计算机视觉
2024科研大佬教你!如何写好一篇sci并能够快速发表?
CVPR'24 | 视觉基础模型大一统?融合CLIP、DINOv2、SAM等,实现分类分割等任务上的SOTA性能
关于我只用两个月就结合AI发了SCI1区论文——经验分享和本人案例
【全463集】禁止自学走弯路!回归算法、聚类算法、决策树、随机森林、神经网络、贝叶斯算法、支持向量机等十大机器学习算法一口气学完!
吹爆!六小时速通,深度学习之图像处理+目标检测+图像分割超全教程来啦!(matlab/计算机视觉/人工智能/深度学习/机器学习/图像处理/计算机视觉)
20220615【AI for Science之物理信息驱动的深度学习】王建勋:Leveraging physics-induced bias in……
YOLOv11速通!手把手教你使用自己的数据集从环境搭建到模型训练、推理、导出一条龙实操,看完就能跑通!(深度学习/计算机视觉/目标检测)