基于随机梯度朗之万动力学的抗生素抗性分类可靠不确定性估计
定量方法
2018-11-28 v1 机器学习
基因组学
摘要
面对当前全球流行病，抗生素抗性监测至关重要。使用传统优化算法（如 Adam、SGD）训练的深度学习模型在针对分布外 (OoD) 抗生素抗性/非抗性基因测试时，给出的后验估计较差。本文引入一种使用随机梯度朗之万动力学 (SGLD) 训练的深度学习模型来分类抗生素抗性基因。与 Adam 等传统优化方法相比，该模型在 OoD 数据测试时提供了更好的不确定性估计。
引用
@article{arxiv.1811.11145,
title = {Reliable uncertainty estimate for antibiotic resistance classification with Stochastic Gradient Langevin Dynamics},
author = {Md-Nafiz Hamid and Iddo Friedberg},
journal= {arXiv preprint arXiv:1811.11145},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216