Generative Adversarial Network for Protein Generation:HLA Ligand数据集的蛋白质肽序列是通过实施生
通过GAN生成肽 这是一个有关使用Generative Model生成肽库的项目。 第一周:学习 对GAN 0有好处。我们可以使用什么生成模型? 1. GAN。 或其他G模型。 这很好: : 理论和背景资料。 : 稍后更新 决定套餐:keras辅助分类器GAN(ACGAN) 问题:没有 下周计划 第2周: 预处理数据。 数据集: : 编码方法: 构建模型构建生成器在此模型中有多少个类。 也许只有2 问题: 1.训练发电机时,精度可以低于50%吗? 这是什么意思? 2.发电机训练的反向传播过程是什么? 如何仅更新发电机权重? 先验的: ://medium.com/@karpathy/yes-you-should-understand-backprop-e2f06eab496b-好的文章3. Wasserstein损失比Minimax损失更好。 因此,也许可以为损失函数做
文件列表
Generative-Adversarial-Network-for-Protein-Generation-master.zip
(预估有个7文件)
Generative-Adversarial-Network-for-Protein-Generation-master
might_be_useful_for_ppt
2KB
Untitled0.ipynb
14KB
Copy_of_AdvancedGAN.ipynb
47KB
README.md
3KB
imagesGAN.ipynb
14KB
advancedgan.py
5KB
preSteps.ipynb
20KB
暂无评论