- 博客(24)
- 问答 (1)
- 收藏
- 关注
RSS订阅翻译 图卷积网络(Graph Convolutional Networks, GCN)详细介绍
本文翻译自博客。在这篇博文中会为大家详细地介绍目前使用广泛的图神经网络——图卷积网络(Graph Convolutional Networks, GCN)的相关知识。首先将带领大家直觉上感受其工作原理，然后再介绍更深层的数学原理。为什么要使用图(Graph)？很多问题在本质是都可以表示为图的形式。在真实世界中，我们会发现很多数据其实是以图的形式存在的，比如分子网络，社交网络以及论文引用网络等等。基于图的任务针对图数据，通常有以下几种比较常见的任务类型：结点分类(Node classificat
2021-02-17 10:50:40
150051
31
原创 SMR: Medical Knowledge Graph Embedding for Safe Medicine Recommendation阅读记录
1 Introduction目前已经有一些药品推荐系统开发用于辅助医生去开精准的药物处方。有一些方法是基于临床医生的经验和临床指南所设计的基于规则的工具。这些工具的开发、设计都会耗费大量的人力、物力。针对特定疾病开发的该类工具可能相对容易，但是对于患有复杂疾病患者来说可能就比较困难了。还有一些使用监督学习方法来为患者推荐用药的算法，这类算法通常是输入一些特征，然后输出多个标签，即所推荐的药物。但是基于预测模型的方法会受到训练数据的限制，如果训练数据中没有的药品就没有办法进行推荐了。一些现状与问题
2021-02-03 16:01:24
1103
2
原创 PDD Graph: Bridging Electronic Medical Records and Biomedical Knowledge Graphs via Entity Linking阅读记
Abstract临床的医生通常根据患者的症状，然后根据医生自身关于症状、诊断以及对应治疗的关系的知识来完成医疗决策。本文提出了一个抽取MIMIC-III中重要医学实体的框架，并且与现有的生物知识图谱如ICD-9和DrugBank进行关联。1 Introduction本文首先提到了一个问题，就是EHR数据中存在着大量的实体（如症状、药物及疾病等），但是并没有很好地展现这些实体的关系。文章然后介绍到有许多的biomedical knowledge graphs (KGs)都是使用Resource De
2021-01-27 18:48:09
499
原创 GRAM: Graph-based Attention Model for Healthcare Representation Learning文献阅读记录
Abstract目前的深度学习模型在医疗领域的应用面临着两个问题：数据不充分：深度学习的模型需要比较大的数据量，在医疗领域的建模有时数据量不太够解释性：表示学习所学得的方法应该能够与医学知识匹配Introduction本文首先介绍了一下EHR在医疗领域的应用，不再赘述。然后提到关于训练深度学习模型时可能面临的数据量不足的问题。举例说明了cerebral degenerations (e.g. Leukodystrophy, Cerebral lipidoses) or development
2021-01-27 13:29:24
1075
3
原创 Deep Reinforcement Learning for Sepsis Treatment文献阅读记录
Deep Reinforcement Learning for Sepsis Treatment1 Introduction本文所提出的是一种基于深度强化学习的脓毒症治疗方法。使用强化学习而非有监督学习有以下考虑：在临床上，对于一个治疗效果的“好坏”的界定不一定那么清晰强化学习可以从并非最优的行为中学出最优的策略本文关注的是如何使用continuous-state-space modeling来用一个向量表示患者在某一个时刻的生理状态，并且使用Deep-Q学习的方法来学习合适的行为。2
2021-01-26 20:40:17
624
2
原创 第一课 概括与基础 上
本博文是学习B站上周博磊老师《强化学习纲要》课程的学习笔记，其中融入了一些自己的理解。第一讲为课程的纲要介绍和一些最基本的概念理解。老师的知乎及课程的PPT、文档代码。这八节课的内容是强化学习的基础内容，主要是从value-based强化学习过渡到policy-based强化学习，这两个也是强化学习的两大流派。然后是一些比较厉害的应用的介绍，包括AlphaGo下棋以及AlphaStar玩星际的一些应用。推荐的教材。这本书的主要导向是value-based RL。课程的一些要求，主要
2021-01-26 17:23:05
156
原创 Recurrent neural networks for multivariate time series with missing values文献阅读
这篇文章有附加材料，有比较详尽的数据处理等过程的介绍0. TitleMultivariate Time Series with Missing Values1. Research ObjectiveIn this paper, we develop a novel deep learning model based on GRU, namely GRU-D, to effectively ...
2020-04-29 15:04:28
1623
2
原创 文献阅读记录
0. TitleAn Interpretable ICU Mortality Prediction Model Based on LogisticRegression and Recurrent Neural Networks with LSTM units.1. Research ObjectiveTo propose a model that combines sequential ...
2020-04-28 10:44:52
475
原创 XGBoost学习笔记（三）
过拟合：剪枝参数与回归模型调参在XGB中，控制复杂度的参数γ\gammaγ，正则化参数α,λ\alpha,\lambdaα,λ学习速率η\etaη都可以控制过拟合，但并非主要用于解决过拟合问题。其中树的深度是除了n_estimators之外调的第一个参数，影响巨大。后面的几个参数主要是针对特征的抽样，可以防止过拟合。相对来说其中bytree和bylevel会有较大影响。当得到一个数据...
2020-04-24 17:05:51
421
原创 XGBoost学习笔记（二）
选择弱评估器：参数booster在XGB中，除了使用梯度提升树（默认gbtree）以外，还可以使用gbtlinear和dart。在原库中，在xgb.train()中输入xgb_model进行选择（但是注意这个参数只能由params参数导入！）；sklearn中在xgb.XGBregressor()输入booster进行选择。如果数据是线性的，可以使用gbtlinear。XGB目标函数：重要...
2020-04-09 16:04:12
915
原创 关于基与核的故事（翻译学习）（二）
这篇笔记为两篇介绍基与核函数的英文博客中第一篇的翻译。原文网址为：http://songcy.net/posts/story-of-basis-and-kernel-part-1/http://songcy.net/posts/story-of-basis-and-kernel-part-2/1 前言在上一个博客中，已经对基函数进行了简要的介绍。我们将函数看作是无数维的向量，然后可以定义...
2020-04-08 10:54:29
311
原创 关于基与核的故事（翻译学习）（一）
这篇笔记为两篇介绍基与核函数的英文博客中第一篇的翻译。原文网址为：http://songcy.net/posts/story-of-basis-and-kernel-part-1/http://songcy.net/posts/story-of-basis-and-kernel-part-2/1 基本概念回顾世界上的每一个事物都可以分解为一些基本元素的组合。比如，水分子是由氢原子和氧原子...
2020-04-07 14:54:41
333
原创 傅里叶变换学习笔记
傅里叶级数任何一个周期性函数 f(t)f(t)f(t)都可以变换成一系列正余弦函数之和（这些正余弦函数实际上是一组正交基）。可以看到从时域上看到的周期函数，可以由一系列频率不同的周期函数叠加而得。一个时域的信号，做傅里叶变换之后，可以变换成三个内容：频率每一个频率下对应的振幅每一个频率下的相位通过这三个信息，也可以从频域信号转换回时域信号。傅里叶级数数学形式：f(t)=a0...
2020-04-05 19:02:18
518
原创 XGBoost学习笔记（一）
XGBoost的调用直接调用XGBoost的库使用import xgboost as xgb 即可导入XGBoost的库。在直接调用XGBoost库的情况下，需要用到xgb.DMatrix()来读取数据，需要在使用模型前用param={}写好参数，然后调用训练模型的类bst = xgb.train(param),再用**bst.predict()**进行预测，在xgboost不能直接调...
2020-03-31 19:43:10
1171
原创 Pytorch学习笔记
此文为学习"莫烦Python"的Pytorch笔记2.2 Variable变量神经网络中的参数都是变量的形式,参数的更新是以Variable为基础的;Variable 需要从torch.autograd导入.;误差传播是根据Variable搭建的图来进行计算的,require_grad=True才计算变量节点的梯度.tensor无法反向传播,Variable才可以反向传播.import to...
2020-03-29 14:11:59
607
原创 sql学习笔记(第七章)
第七章 集合运算7-1 表的加减法集合运算在数据库领域,集合通常是指记录的集合,具体的,表,视图和执行的查询结果都是记录的集合.集合运算是指对满足同一规则的记录进行加减等四则运算,通过集合运算,可以得到两张表中记录的集合或者公共记录的集合.用来做集合运算的运算符称为集合运算符.表的加法—UNION(并集)使用示例:SELECT product_id, product_name ...
2020-03-26 15:40:28
187
原创 Multitask learning and benchmarking with clinical time series data阅读记录
0. Summary1. Research ObjectiveTo propose a public benchmark suite that includes four diferent clinical prediction tasks: in-hospital mortality, physiologic decompensation, length of stay (LOS), an...
2020-03-26 15:16:43
964
原创 Benchmarking deep learning models on large healthcare datasets文献阅读记录
这篇文章发表于Journal of Biomedical Informatics期刊,影响因子为2.950,发表时间为JUL 2018.主要想通过这篇文章看一看医疗大数据集上的一些研究问题.0. SummaryThis paper proposed a MMDL which they think can be used as a benchmarking deep learning model...
2020-03-25 08:55:38
491
原创 sql学习笔记(第六章)
第六章 函数,谓词,CASE表达式6-1 各种函数SQl中的函数就是输入某一个数值得到相应输出结果的功能,其中输入值称为参数,输出值称为返回值.函数主要可以分为算术函数,字符串函数,日期函数,转换函数和聚合函数几类.算术函数ABS函数(求绝对值)MOD函数(求余数),只能对整数使用,语法如下:MOD(被除数,除数)ROUND函数(完成四舍五入操作),语法如下:ROUND...
2020-03-24 10:58:54
290
原创 MIMIC-III数据集介绍
Data Descriptor:MIMIC-III, a freely accessible critical care database这篇paper是对MIMIC-III数据集的一个介绍，不涉及研究内容，故按照论文本身的框架来总结。
2020-03-23 14:11:16
40041
52
原创 sql学习笔记(第五章)
sql 学习笔记此笔记为学习SQL基础教程的笔记复杂查询视图从SQL的角度来看视图就是一张表,与表的区别在于是否保存了实际的数据.通常我们在创建表时会通过INSERT语句...
2020-03-22 21:35:59
170
原创 Matplotlib学习
Matplotlib 学习笔记基本用法import matplotlib.pyplot as pltimport numpy as npx = np.linspace(-1,1,50)y = 2*x + 1plt.plot(x,y)plt.show()figure 图像import matplotlib.pyplot as pltimport numpy as npx ...
2020-03-19 19:01:18
153
原创 sql学习笔记（第三章）
sql 学习笔记此笔记为学习SQL基础教程的笔记3-1 对表进行聚合查询聚合函数常用的有：COUNT, SUM, AVG, MAX, MIN五个以上用于汇总的函数称为聚合函数COUNT用于计算表中行的数目。可以使用 * 作为参数，此时有NULL的也会计数，当参数是某一列时，NULL不计入数目。除COUNT以外的聚合函数在计算时会把NULL排除在外。MAX/MIN函数原则上可以适用...
2020-03-18 19:42:58
185
空空如也
keras训练出的模型和加载的模型预测同样的样本所得的结果不同？
2020-11-01
TA创建的收藏夹 TA关注的收藏夹
TA关注的人