エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
オミクスデータと患者データを統合!過学習を解決した深層学習モデルの提案
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
オミクスデータと患者データを統合!過学習を解決した深層学習モデルの提案
3つの要点 ✔️ 遺伝子データをはじめとするオミクスデータでは、少ないサンプルで特徴量が高次元であるた... 3つの要点 ✔️ 遺伝子データをはじめとするオミクスデータでは、少ないサンプルで特徴量が高次元であるため、モデルが過学習になる問題が存在 ✔️ 特徴量の多いゲノミクスデータと行列因数分解・AE を用いた次元削減を組み合わせた深層学習モデルを提案 ✔️ オミクスデータと併用して得られる患者と生態学的知見への制約を学習に追加することで、過学習を防ぎ、汎化性能の高いモデルを提案 Integrate multi-omics data with biological interaction networks using Multi-view Factorization AutoEncoder (MAE) written by Tianle Ma & Aidong Zhang (Submitted on 20 Dec 2018) Comments: Published by BMC Genomics