首页
›
生物信息学与 AI 制药工程
›
055-化合物生成网络训练
›
《损失函数优化:分子生成训练技巧》
VIP20
本课程属于:055-化合物生成网络训练
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
损失函数优化:分子生成训练技巧
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
分子生成入门
概述 · 挑战与应用场景
分子生成入门
挑战
02
损失函数基础
定义 · 作用与分类
损失函数基础
定义
03
交叉熵损失
原理与在分子生成中的应用
交叉熵损失
原理
04
均方误差(MSE)损失
适用场景与局限
MSE
均方误差
05
对抗损失(GAN)
WGAN · LSGAN及其变体
GAN
对抗损失
06
重构损失
自编码器与变分自编码器
重构损失
自编码器
07
KL散度
变分下界与正则化
KL
散度
08
正则化技术
L1/L2 · Dropout与谱归一化
正则化技术
L1/L2
09
图神经网络损失
节点级 · 边级与图级损失
图神经网络损失
节点级
10
序列生成损失
Teacher Forcing与Sc…
序列生成损失
Teacher
11
多维损失组合
多目标优化与加权策略
多维损失组合
多目标优化
12
分子性质损失
结合量子化学性质预测
分子性质损失
结合量子化学性质…
13
能量损失
物理一致性约束
能量损失
物理一致性约束
14
梯度惩罚
改善训练稳定性
梯度惩罚
改善训练稳定性
15
谱归一化
控制Lipschitz常数
谱归一化
Lipschitz
16
对比损失
分子表示学习中的对比学习
对比损失
分子表示学习
17
三元组损失
结构相似性学习
三元组损失
结构相似性学习
18
自监督损失
预训练任务设计
自监督损失
预训练任务设计
19
预训练损失
从大规模无标签分子学习
预训练损失
从大规模无标签分…
20
多任务损失
同时优化多个目标
多任务损失
同时优化多个目标
21
不确定性权重
自动平衡多损失项
不确定性权重
自动平衡多损失项
22
动态损失调整
自适应权重策略
动态损失调整
自适应权重策略
23
梯度截断与梯度裁剪
防止梯度爆炸
梯度截断
梯度裁剪
24
学习率调度与损失关联
Cosine · Warm-up等
学习率调度
损失关联
25
损失函数可视化
训练曲线与诊断技巧
损失函数可视化
训练曲线
26
生成对抗网络(GAN)在分子生成中的损失调优
生成对抗网络(GAN)在分子生成中的损失… · 核心概念 · 实践要点
GAN
生成对抗网络
27
变分自编码器(VAE)中的损失设计与改进
变分自编码器(VAE)中的损失设计与改进 · 核心概念 · 实践要点
VAE
变分自编码器
28
基于流的生成模型与损失函数
基于流的生成模型与损失函数 · 核心概念 · 实践要点
基于流的生成模型
损失函数
29
强化学习在分子生成中的损失设计(策略梯度)
强化学习在分子生成中的损失设计(策略梯度… · 核心概念 · 实践要点
强化学习
分子生成
30
综合案例
从零构建分子生成模型的损失优化方案
综合案例
从零构建分子生成…
所属VIP或分类
同VIP:Batch-Normalization在分子生成中的实践
同VIP:Conda配置分子生成环境指南
同VIP:Dropout防止过拟合的分子生成技巧