Разработка молекул в онкологии

Слайд 2

Google Neural Machine Translation

Основной результат: сокращение отставания от человека по точности перевода

Google Neural Machine Translation Основной результат: сокращение отставания от человека по точности
на 55—85 % (оценивали люди по 6-балльной шкале). Воспроизвести высокие результаты этой модели сложно без огромного датасета, который имеется у Google.

Основной результат: сокращение отставания от человека по точности перевода на 55—85 % (оценивали люди по 6-балльной шкале). Воспроизвести высокие результаты этой модели сложно без огромного датасета, который имеется у Google.

Слайд 3

Синтезирование из текстового описания в изображение

Использование GAN — генерирование картинок по тексту.

Авторы  предлагают

Синтезирование из текстового описания в изображение Использование GAN — генерирование картинок по
подавать embedding текста на вход не только генератору (conditional GAN), но и дискриминатору, чтобы он проверял соответствие текста картинке. Чтобы дискриминатор научился выполнять свою функцию, дополнительно в обучение добавляли пары с неверным текстом для реальных картинок.

Слайд 4

Pix2pix

«Image-to-Image Translation with Conditional Adversarial Networks» Berkeley AI Research (BAIR). Исследователи решали

Pix2pix «Image-to-Image Translation with Conditional Adversarial Networks» Berkeley AI Research (BAIR). Исследователи
проблему image-to-image генерирования, когда, например, требуется по снимку со спутника создать карту или по наброску предметов — их реалистичную текстуру.
Имя файла: Разработка-молекул-в-онкологии.pptx
Количество просмотров: 49
Количество скачиваний: 0