标题 |
Linear-Scaling Kernels for Protein Sequences and Small Molecules Outperform Deep Learning While Providing Uncertainty Quantitation and Improved Interpretability
蛋白质序列和小分子的线性缩放核优于深度学习,同时提供不确定性定量和改进的可解释性
相关领域
可解释性
计算机科学
机器学习
人工智能
可扩展性
特征工程
高斯过程
回归
贝叶斯概率
Python(编程语言)
线性回归
深度学习
数据挖掘
高斯分布
数学
统计
物理
量子力学
数据库
操作系统
|
网址 | |
DOI | |
其它 |
期刊:Journal of Chemical Information and Modeling 作者:Jonathan Parkinson; Wei Wang 出版日期:2023-07-27 |
求助人 | |
下载 | 求助已完成,仅限求助人下载。 |
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|