基于贝叶斯学习的可靠分子监督学习基准研究
机器学习
2020-07-02 v2 机器学习
摘要
虚拟筛选旨在利用计算方法从化合物库中找出理想化合物。出于此目的而使用机器学习时，能够被解释为预测概率的模型输出将是有益的，因为高预测分数对应高正确概率。本工作中，我们针对使用近期提出的贝叶斯学习算法训练图神经网络时的预测性能与可靠性展开研究。我们的工作表明，贝叶斯学习算法可为多种 GNN 架构与分类任务提供良好校准的预测。此外，我们展示了可靠预测在虚拟筛选中的意义，其中贝叶斯学习可能提高发现命中化合物的成功率。
引用
@article{arxiv.2006.07021,
title = {A benchmark study on reliable molecular supervised learning via Bayesian learning},
author = {Doyeong Hwang and Grace Lee and Hanseok Jo and Seyoul Yoon and Seongok Ryu},
journal= {arXiv preprint arXiv:2006.07021},
year = {2020}
}
备注
To be appeared in ICML 2020 Workshop "Uncertainty and Robustness in Deep Learning"