论文报告 今日: 0|主题: 27|排名: 62 

以前我们总是用基因表达来做疾病分类，但2016年nature communication上的论文指出，可变剪切在预测疾病上具有更高的准确率。 Shihao Shen et al, SURVIV for survival analysis of mRNA isoform variation，Nature Communication，2016 http://www.nature.com/ncomms/2016/160609/ncomms11548/full/ncomms11548.html 关于 ...

论文标题： Community Detection Using Multilayer Edge Mixture Model 作者： Han Zhang,∗ Chang-Dong Wang,y and Jian-Huang Lai Philip S. Yu 博客链接： 博文链接 注意， 并不会写得更好 摘要 本文针对多层的网络数据--可能主要是对它进行社区发现--做了以下工作： 1. 提出多层边混合模型(multilayer e ...

论文标题： Unsupervised Feature Selection on Networks: A Generative View 作者： Xiaokai Wei∗, Bokai Cao∗ and Philip S. Yu 论文链接： 链接 我在博客上的总结： 博客总结 摘要 现在的网络数据（社交网络或信息网络）， 不单纯是个图Graph，每个点还可能有若干个特性、属性。而那些对网络数据进行机 ...

I-DBEA[1] 如何基于距离选择解的问题 上次组会我们提到了I-DBEA算法利用(图1)，两个距离来衡量一个解在目标空间中的收敛指数和多样性指数。然而对于算法是如何利用两个距离来比较两个解的好坏以及如何替换上并没有清楚的解释。这次的主要目的就是解释清楚其中的原因。 我们这次讲的论文(A Decomposition-Based Evolu ...

利用互作组学数据揭示疾病间的关系[1] 研究背景 疾病的发生很少是由单一基因缺陷引起的, 更多的是细胞内多个分子间作用相互影响的过程。而分子间的相互作用亦即构成了互作组学数据(interactome), 包括诸如: 蛋白-蛋白、蛋白-脱氧核苷酸、代谢分子间互相作用等。这些分子、及分子间的互相作用可分别构成调控网络的点和边。 ...

论文标题： Defining and Evaluating Network Communities based on Ground-truth 论文链接 作者： Jaewon Yang 和 Jure Leskovec 网站： snap 我在博客上的总结： 博客地址 本文在社区发现领域绝对算是做出了巨大贡献。 对于定义比较多样又复杂的社区， 一般论文也就不断地提出改进方法， 在自己的一亩三分地上闹腾 ...

Teaching Machines to Read and Comprehend 原创 2016-06-13 张俊 PaperWeekly 昨天的文章text comprehension系列的第一篇，是最近刚刚submit的文章，今天分享一篇去年的文章，也是一篇非常经典的文章。我记得Yoshua Bengio在Quora Session一个问题中推荐这篇文章。本文的题目是Teaching Machines to Read and Comprehend ...