期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多任务学习在分子性质预测中的对比研究
1
作者 韩超 王皓 +2 位作者 朱健保 刘淇 朱文光 《Chinese Journal of Chemical Physics》 SCIE EI CAS CSCD 2023年第4期443-452,I0035,共11页
随着深度学习的快速发展,相关算法被广泛应用于量子化学计算领域以实现高效的分子设计及性质研究,其中,多任务学习方法通过挖掘分子性质之间的关系可以同时预测多个分子属性,然而此类研究目前较为有限.本文采用硬参数共享结构与损失函... 随着深度学习的快速发展,相关算法被广泛应用于量子化学计算领域以实现高效的分子设计及性质研究,其中,多任务学习方法通过挖掘分子性质之间的关系可以同时预测多个分子属性,然而此类研究目前较为有限.本文采用硬参数共享结构与损失函数加权方法来实现多任务分子性质预测.通过对比单任务基准与各类多任务模型在不同分子属性集上的性能,展示了多属性预测精度强烈依赖于属性间的关系,当关联变复杂时,硬参数共享可以提高预测精度,此外,恰当的损失函数加权方法有利于实现更均衡的多目标优化,使预测更准确.进一步的实验展示了多任务学习模型的计算效率优势及其在训练数据量受限时的预测性能优势. 展开更多
关键词 深度学习 多任务学习 分子属性预测 损失函数加权方法
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部