12:53官方账号arXiv cs.LG@Yury Gorishniy, Akim Kotelnikov, Ivan Rubachev, Artem BabenkoTabPack是一种针对表格数据的高效MLP集成方法,在单次运行中并行采样并训练多个不同超参数的MLP,并在训练过程中动态选择集成成员。在多个中大型公开数据集上,TabPack的默认设置性能与经过大量调优的先前方法相当。运行TabPack默认配置在一台MacBook上所需时间少于在工业级GPU上调优某些基线的时间。论文TabPackMLP表格数据超参数调优高效集成推荐理由:TabPack让你不用费心调参就能达到好效果,在普通笔记本上跑都比别人用GPU调参快。原文
09:18官方账号arXiv cs.LG@Sampreeti Bhattacharya, Arkaprava Roy该工作提出一个加性深度学习框架,用多层感知机(MLP)编码物理化学描述符作为化学分支,用图神经网络(GNN)编码分子图拓扑作为结构分支,两个分支的输出在预测阶段加性组合。在AqSolDB数据集上预训练、在BigSolDB2数据集上微调后,预测精度显著提升且运行变异降低。可解释性分析通过最佳线性投影、分子嵌入和GNNExplainer显示化学分支对齐已知物化描述符,结构分支捕捉图拓扑和官能团模式。在两个数据集上,该框架取得有竞争力的预测性能,同时使化学与结构信息的各自作用更透明。论文MLPGNNAqSolDB水溶性可解释AI推荐理由:这篇论文把化学描述和分子结构分开建模再相加,既准确又能解释预测依据。在AqSolDB和BigSolDB2上效果很好,适合医药研发。原文