====
论文
====

======
Python
=====
=

=========
Tensorflow
=========

=======
PyTorch
=======

=====
Keras
=====

====
专题
====

====
链接
====

====
视频

====

=======
药物设计

=======

=======
材料科学
=======

============
经济学与金融学
==========
==


一般文献 药物设计 药物数据库文献 DNA序列分析 氨基酸序列分析 计算神经科学 医学图像处理 AI顶刊文献
图神经网络 自然语言处理            


1. Prediction of drug efficacy from transcriptional profiles with deep learning. Published: 17 June 2021. nature biotechnology 

2. Deep Learning for AI || pdf || 三巨头怎么说的?(中文)
By Yoshua Bengio, Yann Lecun, Geoffrey Hinton
Communications of the ACM, July 2021, Vol. 64 No. 7, Pages 58-65: 10.1145/3448250

3. Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future (重量级文献,图神经网络用于医疗的综述)
随着数据驱动的机器学习研究的进步,已经解决了各种各样的预测问题。探索如何利用机器学习,特别是深度学习方法来分析医疗保健数据变得至关重要。现有方法的一个主要限制是关注类似网格的数据;然而,生理记录的结构通常是不规则和无序的,这使得很难将它们概念化为矩阵。因此,图神经网络通过利用存在于生物系统中的隐式信息引起了极大的关注,交互节点由边连接,边的权重可以是时间关联或解剖连接。在本次调查中,我们彻底审查了不同类型的图架构及其在医疗保健中的应用。我们以系统的方式概述了这些方法,按照它们的应用领域进行组织,包括功能连接、解剖结构和基于电的分析。我们还概述了现有技术的局限性并讨论了未来研究的潜在方向。

4. Graph Neural Networks for Natural Language Processing: A Survey
深度学习已成为处理自然语言处理 (NLP) 中各种任务的主要方法。尽管文本输入通常表示为一系列标记,但有很多 NLP 问题可以用图结构最好地表达。因此,人们对在图上为大量 NLP 任务开发新的深度学习技术的兴趣激增。在本次调查中,我们全面概述了用于自然语言处理的图神经网络 (GNN)。我们提出了一种新的 NLP GNN 分类法,它沿着三个轴系统地组织了现有的 NLP GNN 研究:图构建、图表示学习和基于图的编码器 - 解码器模型。我们进一步介绍了大量利用 GNN 功能的 NLP 应用程序,并总结了相应的基准数据集、评估指标和开源代码。最后,我们讨论了充分利用 GNN 进行 NLP 的各种突出挑战以及未来的研究方向。据我们所知,这是对用于自然语言处理的图神经网络的第一个全面概述。

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

人工智能

人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。

上海市浦东新区沪城环路999号