Scidown文献预览系统!
低化学数据条件下反应预测的数据扩充和迁移学习策略( Data augmentation and transfer learning strategies for reaction prediction in low chemical data regimes )
Y Zhang L Wang X Wang C Zhang J Ge J Tang A Su H Duan
有效快速的深度学习方法预测化学反应有助于有机化学的研发和药物发现。尽管深度学习在反向合成和正向合成方面具有突出的能力,但基于小的化学数据集的预测通常由于反应实例的不足而导致预测的准确性较低。本文介绍了一种新的方法,将迁移学习与变压器模型相结合,用于预测具有代表性的小数据集反应Baeyer-Villiger反应的结果。结果表明,引入迁移学习策略后,变压器-迁移学习模型的top-1正确率(81.8%)明显高于变压器-基线模型的正确率(58.4%)。此外,我们进一步对输入反应微笑引入数据增强,使得变压器-转移学习模型的精度提高了86.7%。总之,迁移学习和数据增强方法都显著提高了变压器模型的预测性能,是化学领域用来消除有限训练数据限制的有力方法。
『Sci-Hub|Scidown』怎么用?来看看教程吧!

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献(暂时关闭)


安卓手机、电脑用户,您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!(注意是文献的DOI号)


苹果手机用户,您需要先在App Store里搜索并下载 Documents by Readdle 这个APP,在APP首页,左划右下角的指南针图标打开APP内置浏览器,在浏览器里输入 www.scidown.cn 打开scidown解析,就可以解析、下载了!


如出现BUG?赶快加入【Scidown互助交流群】反馈吧:729083885【点击一键加群】