• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on artificial neural networks >Conformational Oversampling as Data Augmentation for Molecules
【24h】

Conformational Oversampling as Data Augmentation for Molecules

机译：构象过采样作为分子的数据增强

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Toxicological datasets tend to be small and imbalanced. This quickly causes models to overfit and disregard the minority class. To solve this issue we generate conformations of molecules. Thereby, we can balance datasets as well as increase their size. Using this approach on the Tox21 Challenge data we observed conformational oversampling to be a viable approach to train datasets, increasing the balanced accuracy of trained models.
机译：毒理学数据集往往很小且不平衡。这很快导致模型过度拟合并忽略了少数群体。为了解决这个问题，我们生成分子的构象。因此，我们可以平衡数据集并增加其大小。在Tox21挑战数据上使用这种方法，我们观察到构象过采样是训练数据集的可行方法，从而提高了训练模型的平衡精度。

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