贝叶斯
速度提升44%，节能153倍，清华使用内存计算硬件高效标记数据
编辑丨&对于现在的许多 AI 任务来说，标记数据是一个耗时、劳动密集型且昂贵的过程。 深度贝叶斯主动学习 （DBAL） 以指数级方式提高标记效率，从而大幅降低成本。 为了解决 DBAL 需要高带宽的数据传输和概率计算的问题，来自清华大学的团队提出一种忆阻器随机梯度 Langevin 动力学原位学习方法。
数因智科袁野：CINS模型依据单细胞数据揭示细胞间互动的秘密
编辑 | X随着单细胞测序技术的发展，我们能够在单个细胞水平上观察基因表达，这就像是能够听到一个巨大合唱团中每个人的声音，但是如何理解这些细胞之间的交流和合作却是一个并不容易解决的问题。如在肿瘤生物学中，肿瘤细胞与其周围的微环境中的细胞（如免疫细胞、纤维细胞和血管细胞）之间存在复杂的相互作用，这些相互作用对于肿瘤的生长、转移和治疗反应都至关重要。如果我们能够研究清楚这些相互作用网络，就可能找到新的治疗方法，比如靶向微环境中的特定细胞或通讯通路的药物分子。数因智科创始人袁野博士发表于期刊PLoS Computatio
贝叶斯数据分析2021课程开课了，同名书籍作者主讲
3 月，宜学习。
多所知名高校合著综述论文、Nature新子刊创刊首发，这是你常听到的贝叶斯统计与建模
一篇关于贝叶斯统计与建模的综述文章，出现在了 Nature 新子刊 Nature Reviews Methods Primers 的第一期上。
- 1