03 2025 档案

在机器学习中，end to end 和sequence to sequence的区别是什么
摘要：在机器学习中，“end to end”（端到端）和“sequence to sequence”（序列到序列）是两个不同的概念，它们在应用范围、模型架构和处理问题的方式上都有显著区别： 1. 定义 End to end（端到端） 这是一种机器学习的建模方式。在这种方式下，模型直接从输入数据映射到输出结 阅读全文
posted @ 2025-03-30 23:00 GraphL 阅读(228) 评论(0) 推荐(0)
编码转换
摘要：Chothia编码和IMGT编码都是用于抗体结构研究中的编号系统，但它们在定义和应用上有一些区别： Chothia编码 定义：Chothia编码是基于抗体结构环的位置来定义的编号系统，主要用于抗体的重链和轻链。它通过分析抗体结构中的环区域来确定编号，这些环区域对应于抗体的互补决定区（CDR）。 特点 阅读全文
posted @ 2025-03-27 11:40 GraphL 阅读(134) 评论(0) 推荐(0)
这里的FoldX和ddG predictor有什么区别
摘要：FoldX 和 ddG predictor 是两种不同的计算工具，它们在功能、应用场景和计算方法上有一些区别： FoldX 功能：FoldX 是一个用于预测蛋白质稳定性和蛋白质-蛋白质相互作用亲和力的计算工具。它可以评估蛋白质结构的稳定性和蛋白质复合物的结合自由能。 应用场景：在抗体设计中，Fold 阅读全文
posted @ 2025-03-26 15:28 GraphL 阅读(669) 评论(0) 推荐(0)
LayerNorm和BatchNorm的归一化方式有以下主要区别
摘要：LayerNorm和BatchNorm的归一化方式有以下主要区别： 归一化的维度不同： BatchNorm是在批次维度上进行归一化，即对每个特征维度上的所有样本进行归一化。例如，在一个包含多个样本的批次中，BatchNorm会计算每个特征在所有样本上的均值和方差，然后用这些值对每个样本的该特征进行归 阅读全文
posted @ 2025-03-24 09:54 GraphL 阅读(245) 评论(0) 推荐(0)
关于对接任务的Metric的说明
摘要：请告诉我DockQ 是怎样得指标 DockQ是一个用于评估蛋白质-蛋白质对接模型质量的连续评分指标，取值范围在0到1之间。它综合了三个指标：Fnat、LRMS和iRMS，来计算一个综合评分，具体计算方式如下： Fnat：表示预测复合物中保留的原生界面接触的比例。原生界面接触是指在原生复合物结构中，两 阅读全文
posted @ 2025-03-09 17:22 GraphL 阅读(238) 评论(0) 推荐(0)
关于占位符
摘要：在Transformer模型中，除了CLS标记外，还有许多其他的特殊标记（special tokens），这些标记用于帮助模型理解输入序列的结构和任务要求。以下是一些常见的特殊标记及其用途： 1. BOS (Beginning of Sentence) 用途：表示句子的开始，常用于生成任务（如GPT 阅读全文
posted @ 2025-03-03 19:47 GraphL 阅读(144) 评论(0) 推荐(0)
benchmark是指什么
摘要：在人工智能领域，Benchmark 指的是一种标准化的评估方法，用于衡量和比较不同 AI 模型或系统的性能。它通常包括以下几个方面： 标准化评估：提供一套标准化的测试流程和评估指标，确保不同模型之间的比较具有公平性和一致性。 性能比较：通过预定义的数据集、任务和评估指标，对 AI 模型在特定任务上的 阅读全文
posted @ 2025-03-01 17:53 GraphL 阅读(729) 评论(0) 推荐(0)