06 2023 档案
摘要：1. 算法构想 由于医院的数据涉及到隐私问题和防止个人信息泄露被恶意使用，那么就选择对其中的个人id也就是身份证号进行加密，选用单向加密算法，无法被解码，并且不需要密钥。但是由于一些理论上的漏洞会产生一些问题： 使用的数据加密可能会被暴力破解法进行破解掉，如何尽量减少穷举法能够破解掉的概率。 加密产
阅读全文
摘要：基于无监督深度学习的电子健康档案数据挖掘技术研究进展 摘要 介绍自编码器、生成式对抗网络、BERT等无监督深度学习方法，阐述其在电子健康档案数据挖掘领域中的应用及其挑战，指出无监督深度学习技术能够加速医疗知识发现和临床决策支持，促进个性化医学发展。 1. 引言 电子健康档案（Electronic H
阅读全文
摘要：深度学习在抗菌肽药物研究中的应用进展 摘要：抗菌肽（AMP）作为未来最有希望解决病原微生物耐药性的新型抗菌药物之一，其研发备受关注。抗菌肽一般较短，组成多样，迄今人们已发现数千条天然抗菌肽，并建立了多个公开的抗菌肽数据库，为新型抗菌肽的研发和设计奠定了基础。在抗菌肽的信息描述方面，人们使用了伪氨基酸
阅读全文
摘要：transformer--seq2seq transformer说白了就是一个sequence-to-sequence的模型，输入一个sequence，输出一个sequence，并且由机器自己决定要输出的长度是多少，比如语音辨识、机器翻译、语音翻译等任务，输出的sequence都是由机器自己决定。
阅读全文
摘要：self—attention 自注意力机制 一、输入 在学习自注意力机制之前，我们学到的神经网络的输入都是一个向量，输出可能是一个数值或者是一个类别。 1.举个例子。假设输入的向量是一排向量，而且输入的向量的数目是会改变的， 最简单的输入长度会改变的向量就是文字处理，假设我们的输入是一个句子的话。
阅读全文
摘要：强化学习 众所周知，机器学习也好深度学习也好，其解决的主要是四类问题： 分类问题 回归问题 聚类问题 降维问题 前两个是有标签的监督学习，后两个是没有标签的非监督学习，这也是数据挖掘领域常需要解决的四个问题。 强化学习是介于监督学习和非监督学习中的另一种学习方式，它可以理解为模拟大自然中生物进化的一
阅读全文
摘要：局部最小值于鞍点 训练模型的参数时，随着参数不断地更新，loss函数不会再继续下降，但是仍然对这个loss不满意 ，或者有时候发现一开始model就训练不起来，不论怎么更新参数loss函数都不会掉下去。我们认为在某个地方参数对loss的微分是0，于是梯度下降就失去了作用，这个时候训练就停止了，这个现
阅读全文
摘要：知识图谱的创造与充实 本节将讨论创建知识图谱的主要技术，并随后从从纯文本到结构化格式（以及二者之间的任何格式）的各种遗留数据源中丰富知识图谱。 创建知识图谱时要遵循的是适当方法取决于所涉及的参与者、领域、设想的应用程序、可用的数据源等。一般来说知识图谱的灵活性有助于从初始核心开始，可以根据需要从其他
阅读全文
摘要：情绪分析 Sentiment Analysis 情绪分析是对给定文本的极性进行分类的任务。例如，一条基于文本的推文可以被归类为 "正面"、"负面 "或 "中性"。鉴于文本和附带的标签，可以训练一个模型来预测正确的情绪。 情感分析技术可分为机器学习方法、基于词典的方法，甚至是混合方法。情感分析的一些细
阅读全文
摘要：基于文本挖掘和 SVM 的股票市场择时交易研究 1.关键词 量化投资： 上涨市： 下跌市： 震荡市： 空仓： 投资者情绪指数： 择时交易： 文本挖掘： 私募基金： 股票成交量： 百度指数： 多重共线性问题： Elastic Net变量选择方法： LASSO变量选择方法： Ridge回归： BIC度量
阅读全文
