数据集独立同分布(Independent and identically distributed,IID)的假设和数据集是否干净,分别对应组合域标签噪声领域数据集非独立同分布(Non-independent and identically distributed,Non-IID)和标签噪声问题。该文提出多标签图像...
详细信息
数据集独立同分布(Independent and identically distributed,IID)的假设和数据集是否干净,分别对应组合域标签噪声领域数据集非独立同分布(Non-independent and identically distributed,Non-IID)和标签噪声问题。该文提出多标签图像多分类模型(Multi-label image multi-classification model,MIMM)预处理方法应对上述问题。为了缓和数据集独立同分布假设,该文证明组合域方法的迁移误差上界,并使用最大关键特征(Maximum key feature,MKF)函数和关键秩匹配分解(Key rank matching decomposition,KRMD)算法实现源域向组合同构数据的目标域迁移。为了保证数据集干净,引入干净的第三方数据微调模型参数,排除标签真实数量不确定导致训练集类别不平衡的情况。在Pascal/COCO数据集上进行实验,结果证明MIMM方法已达到准确率与运行效率的最佳平衡。
BET(bromodomain and extraterminal)是一类能解读表观遗传密码的蛋白,通过识别和结合乙酰化的组蛋白或非组蛋白,在调节基因转录中发挥重要的作用。BET抑制剂在肿瘤和炎症等临床前疾病模型中表现出良好的疗效,且已有部分抑制剂进入临床...
详细信息
BET(bromodomain and extraterminal)是一类能解读表观遗传密码的蛋白,通过识别和结合乙酰化的组蛋白或非组蛋白,在调节基因转录中发挥重要的作用。BET抑制剂在肿瘤和炎症等临床前疾病模型中表现出良好的疗效,且已有部分抑制剂进入临床阶段,这表明以BET为治疗靶点的药物研发具有可观前景。本文将对BET蛋白的结构功能、BET抑制剂与疾病治疗以及其作为治疗靶点的分子机制等方面进行阐述。
暂无评论