Nat. Mach. Intell. | 人工智能的透明度和可重複性
今天給大家介紹多倫多大學的研究人員發表在nature machine intelligence上的一篇文章。文章指出McKinney等人利用AI在乳腺癌篩選上的工作，缺乏研究方法和代碼實現的細節，阻礙了透明且可重複（transparent and reproducible）的AI研究，文章爲掃除這些障礙提供瞭解決方案。 1.背景 McKinney等人的工作證明了AI在醫學成像中的潛
相關文章
- 1. Nat. Mach. Intell. | 少量數據的生成式分子設計
- 2. Nat. Mach. Intell. | 快速的蛋白質結構從頭預測
- 3. Nat. Mach. Intell.|從局部解釋到全局理解的樹模型
- 4. Nat. Mach. Intell. | 基於深度學習預測DNA甲基化位點
- 5. 人工智能的可行性分析
- 6. Nat. Mach. Intell. | 生物醫學關係抽取的機器學習新框架
- 7. 預測 | 李開復：人工智能或取代人類50%重複性工作
- 8. Nat. Mach. Intell.| 機器學習顯著降低藥物組合篩選成本
- 9. 深度學習對人工智能的貢獻，更重要的是思想和可能性
- 10. 透明度屬性
- 更多相關文章...
- • PHP imagecolorallocatealpha - 爲一幅圖像分配顏色和透明度 - PHP參考手冊
- • MySQL DISTINCT：去重（過濾重複數據） - MySQL教程
- • 互聯網組織的未來：剖析GitHub員工的任性之源
- • Github 簡明教程
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Nat. Mach. Intell. | 少量數據的生成式分子設計
- 2. Nat. Mach. Intell. | 快速的蛋白質結構從頭預測
- 3. Nat. Mach. Intell.|從局部解釋到全局理解的樹模型
- 4. Nat. Mach. Intell. | 基於深度學習預測DNA甲基化位點
- 5. 人工智能的可行性分析
- 6. Nat. Mach. Intell. | 生物醫學關係抽取的機器學習新框架
- 7. 預測 | 李開復：人工智能或取代人類50%重複性工作
- 8. Nat. Mach. Intell.| 機器學習顯著降低藥物組合篩選成本
- 9. 深度學習對人工智能的貢獻，更重要的是思想和可能性
- 10. 透明度屬性