热点事件观察中

对比学习提升VOC-OR结合预测泛化

1 篇报道1 个报道来源3 天前更新

先了解这件事

AI 综述

Snider 等作者在 bioRxiv 发布预印本，评估挥发性有机物-嗅觉受体（VOC-OR）结合预测的数据划分方法与模型表现。研究发现，在 M2OR 与 iOBPdb 数据集上，若将特定化学或蛋白基序从训练集留出，两层神经网络模型的性能会下降。作者采用由共享分子组分定义的对比学习目标与随机采样器后，模型在所有数据划分上达到 0.88 AUCROC。作者据此指出，成对生物相互作用数据集上的模型性能可能因成分重叠导致的身份泄漏而被抬高，并强调需要更稳健的评测协议。

AI 根据报道生成 · 2 天前更新

最新进展11月6日 08:00

对比学习提升M2OR嗅觉结合数据集上的泛化表现

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

08:00
bioRxiv · Bioinformatics精选
对比学习提升M2OR嗅觉结合数据集上的泛化表现
研究在M2OR与iOBPdb数据集上评估VOC-OR结合预测的数据划分方法与模型表现，发现将特定化学或蛋白基序从训练集留出会使两层神经网络性能下降。作者采用由共享分子组分定义的对比学习目标与随机采样器后，模型在所有数据划分上达到0.88 AUCROC。研究指出成对生物相互作用数据集的性能可能因成分重叠导致的身份泄漏而被抬高，并强调需要更稳健的评测协议。

本事件热度走势

可比范围当前: 5
可比范围峰值: 911月6日 21:00
近 24 小时变化: -21%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。