首页
›
生物信息学与 AI 制药工程
›
053-药物知识图谱特征学习任务
›
《超参数搜索药物KG模型优化指南》
VIP20
本课程属于:053-药物知识图谱特征学习任务
生物信息学与 AI 制药工程 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
超参数搜索药物KG模型优化指南
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
超参数搜索概述
定义 · 意义 · 在药物KG中的挑战
超参数搜索概述
定义
02
药物知识图谱简介
节点 · 边 · 关系
药物知识图谱简介
节点
03
经典KG模型
TransE · TransR · DistMult
KG
经典
04
超参数类型
学习率 · 嵌入维度 · 正则化
超参数类型
学习率
05
手动调参
经验法则 · 网格搜索基础
手动调参
经验法则
06
网格搜索
原理 · 优缺点 · 适用场景
网格搜索
原理
07
随机搜索
原理 · 与网格搜索对比
随机搜索
原理
08
贝叶斯优化
高斯过程 · 期望改进 · 应用
贝叶斯优化
高斯过程
09
基于TPE的贝叶斯优化
原理 · 实现(Optuna/Hyperopt…
TPE
基于
10
遗传算法/进化策略
原理 · 在KG超参搜索中的应用
遗传算法
进化策略
11
多目标优化
同时优化多个指标(MRR · Hits@k等)
多目标优化
MRR
12
超参数搜索框架
Optuna · Hyperopt · Ray Tune对比
超参数搜索框架
Optuna
13
实验设计
数据集划分 · 验证策略 · 早停
实验设计
数据集划分
14
常用评估指标
MRR · Hits@1/3/10 · Mean Rank
常用评估指标
MRR
15
超参数对TransE的影响分析
学习率 · L2正则化
TransE
超参数对
16
超参数对RotatE的影响分析
嵌入维度 · gamma
RotatE
超参数对
17
超参数对ComplEx的影响分析
embedding size · 正则化
ComplEx
超参数对
18
超参数搜索中的资源管理
GPU内存 · 时间预算
超参数搜索
资源管理
19
分布式超参数搜索
多GPU · 多节点
分布式超参数搜索
GPU
20
超参数搜索的可视化
学习曲线 · 参数重要性
超参数搜索的可视…
学习曲线
21
自动早停与模型检查点
策略实现
自动早停
模型检查点
22
超参数搜索的重复性与稳定性
多次运行 · 统计分析
超参数搜索的重复…
稳定性
23
案例
从零开始用Optuna优化Trans…
案例
Optuna
24
案例
用Ray Tune进行大规模搜索
案例
Ray
25
超参数搜索在药物发现中的应用
靶点预测 · 药物重定位
超参数搜索
药物发现
26
药物KG数据预处理与特征工程对超参数的影响。
药物KG数据预处理与特征工程对超参数的影… · 核心概念 · 实践要点
KG
药物
27
超参数搜索与模型架构搜索(NAS)结合。
超参数搜索与模型架构搜索(NAS)结合 · 核心概念 · 实践要点
NAS
超参数搜索
28
实际项目中的调参经验总结
常见坑与技巧
实际项目
调参经验总结
29
超参数搜索结果的可解释性
参数敏感性分析
超参数搜索结果的…
参数敏感性分析
30
未来方向
元学习 · 自动超参数调整
未来方向
元学习
所属VIP或分类
同VIP:ComplEx模型药物关系预测实战
同VIP:DGL框架药物图神经网络实践
同VIP:PyG与Neo4j药物KG特征提取课程