• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Discovery science >Active Learning for High Throughput Screening
【24h】

Active Learning for High Throughput Screening

机译：主动学习进行高通量筛选

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

An important task in many scientific and engineering disciplines is to set up experiments with the goal of finding the best instances (substances, compositions, designs) as evaluated on an unknown target function using limited resources. We study this problem using machine learning principles, and introduce the novel task of active k-optimization. The problem consists of approximating the k best instances with regard to an unknown function and the learner is active, that is, it can present a limited number of instances to an oracle for obtaining the target value. We also develop an algorithm based on Gaussian processes for tackling active k-optimization, and evaluate it on a challenging set of tasks related to structure-activity relationship prediction.
机译：许多科学和工程学科的一项重要任务是建立实验，以发现使用有限资源对未知目标函数进行评估的最佳实例（物质，成分，设计）。我们使用机器学习原理研究此问题，并介绍了主动k优化的新任务。该问题包括关于未知函数近似k个最佳实例，并且学习者处于活动状态，也就是说，它可以将有限数量的实例呈现给oracle以获取目标值。我们还开发了一种基于高斯过程的算法来解决主动k优化问题，并在与结构－活动关系预测相关的一组具有挑战性的任务上对其进行评估。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号