← 返回卡片

原书出处

人工智能与计算生物的未来 (【美】布赖恩·希尔布什)

1 信息革命对生物学研究的影响 学习型分析的输入限制与生物异质性

核验版本的摘录快照 · 导入于 2026-11-14T04:52:36.675Z

希望用于大规模数据分析的计算机工具非机器学习莫属。

在基因组学研究中,谷歌的研究人员利用计算机视觉和卷积神经网络领域的最新深度学习技术,提高了变异识别的预测水平。 机器学习已经展示出它在组学数据规律挖掘中的重要价值,同时,它还是少有的可以实现有效降维的方法,这一点对于单细胞RNA测序数据的处理尤为重要。 Cho H, Wu DJ, Berger B.

Secure genome-wide assoc

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section02.xhtml

EPUB SHA-256:ec327aeb889eb10db2679684f81b0d290022b975085b0fed9dc9b46c133490bd