XiaoMi-AI文件搜索系统
World File Search System贝州
奥斯曼贝尤鲁实验室
• 原发性人类浸润性小叶和导管乳腺癌的染色质可及性景观和活性转录因子 (Lee, Osmanbeyoglu, Breast Cancer Research, 2022) • 综合多组学分析以了解雌激素受体 (ER) 介导的转录 (Osmanbeyoglu et al., BMC Genomics, 2012; Osmanbeyoglu et al., NAR, 2013; Watters et al., Mol. Cell. Endocrinol, 2017) • 综合多组学分析以表征 ER+乳腺癌模型对 PI3K 信号抑制剂的反应的表观基因组学和转录组学景观 (Toska, Osmanbeyoglu et al., Science, 2017)
贝伐单抗（阿瓦斯丁）
由于乳腺癌本身以及某些乳腺癌治疗方法，乳腺癌患者出现血栓的风险更高。使用贝伐单抗会增加血栓风险，例如深静脉血栓形成 (DVT)。患有 DVT 的患者有发生肺栓塞的风险。肺栓塞是指部分血栓脱落并进入肺部。
贝叶斯强化学习
我们和其他动物学习，因为我们不确定世界上存在一些方面。这种确定性是由于最初的无知而产生的，以及我们不完全了解的世界的变化。当发现我们对世界的预测是错误的时，通常可以明显看出。Rescorla-Wagner学习规则指定了一种预测错误会导致学习的方式，它具有极大的影响力，作为Pavlovian调节的特征，并通过与Delta规则相等的方式，在更广泛的学习问题中。在这里，我们在贝叶斯环境中回顾了撤销瓦格纳规则的嵌入，这是关于不确定性与学习之间的联系的精确联系，从而讨论了诸如Kalman过滤器，结构学习及其他等建议的扩展，这些建议集体涵盖了更广泛的不确定性范围，并适应了条件的范围。
自然后网络：深贝叶斯...
不确定性意识对于开发可靠的机器学习模型至关重要。在这项工作中，我们建议对目标分布属于指数族的任何任务的快速和高质量不确定性估计进行自然后网络（NATPN）。因此，NATPN发现用于分类和常规回归设置的应用。与以前的许多方法不同，NATPN在培训时不需要分发（OOD）数据。取而代之的是，它利用标准化流量将单个密度拟合在学习的低维和依赖性潜在空间上。对于任何输入样本，NATPN使用预测的可能性对目标分布进行贝叶斯更新。从理论上讲，NATPN分配了远离培训数据的高不确定性。从经验上讲，我们对校准和OOD检测的广泛实验表明，NATPN为分类，回归和计数预测任务提供了高度竞争性的绩效。
