标签:机器学习
Ripeta:加强科学诚信
Ripeta是一个自动化的工具，其设计目标简单但至关重要:提高科学研究论文的可信度、可重复性和可信度。它的算法使用几个重要指标来评估一篇论文的完整性，从而阻止不可信科学的浪潮一次一篇地出现。Research Outreach追上了Ripeta的创始人兼首席执行官Leslie McIntosh博士[…]
ILLMO:互动统计的新平台
Jean-Bernard Martens是荷兰埃因霍温理工大学工业设计系视觉交互的正教授，他开发了ILLMO(交互式对数似然建模)，这是一种统计建模工具，提供了一个交互式环境，提供了一种直观和交互式的统计方法。科学家和研究人员，包括那些不是统计专家的人，可以访问现代统计[…]
预测精神分裂症患者的治疗耐药性
精神分裂症是一种严重的、经常使人衰弱的精神障碍。虽然抗精神病药物的目的是缓解症状，但约有三分之一的精神分裂症患者存在治疗耐药性。伦敦国王学院的研究员Olesya Ajnakina博士结合了最先进的统计分析方法，如机器学习，来开发预测模型，旨在识别有患耐药精神分裂症风险的患者，[…]
数据是如何传播的?自动光路监控
随着5G的发展，我们的世界似乎比以往任何时候都更加无线。然而，隐藏在这背后并促进所有高速数据传输的是数公里长的光纤。这个庞大的光纤网络是所有通信的主干网，无论是无线通信还是其他通信。为了实现可靠的通信和互联网接入，全球范围的光纤电缆必须能正常工作[…]
利用自适应机器学习优化粒子加速器
机器学习已经成为当今许多最尖端技术的研究的主要内容。然而，到目前为止，它还没有被广泛认为是在线优化粒子加速器性能的有用工具。通过研究，美国新墨西哥州洛斯阿拉莫斯国家实验室的Alexander schinker博士介绍了基于机器学习的新技术，[…]
无监督特征提取在生物信息学中的应用
来自日本东京中央大学的田口Y-h教授在他的新书中采用了两种经典的数学方法，主成分分析和张量分解，并在他的前沿研究中演示了如何使用它们来进行特征选择。两种无监督学习方法都适用于“大p小n”问题的大范围特征提取。这[…]
基于机器学习的蛋白质结构预测
东京工业大学计算机科学系的Shuichiro Makigaki和Takashi Ishida博士正在开发一种新的序列对齐生成模型，该模型使用机器学习和动态编程来预测蛋白质结构。该方法也可用于生物信息学的同源性检测。蛋白质的功能取决于它的三维结构。如果结构是[…]
用机器学习重建天文图像
我们对宇宙运行方式的大部分了解都是通过分析从天空捕获的天文信号得来的。然而，这些信号不可避免地会有一些与之相关的噪音——那么天文学家如何能确定他们对奇怪的、意想不到的信号的观察反映了现实呢?剑桥大学的爱德华·希格森和他的同事们[…]
来自大数据的偏见:有偏见的计算机
大数据和机器学习似乎是所有问题的现代流行语。人们认为，医疗保健、欺诈预防和销售等领域可以从自学和改进机器中获益，这些机器可以在巨大的数据集上进行训练。然而，我们如何仔细审查这些算法和调查可能的偏差…