ベイジアンネットワークの推論では良く用いられるアルゴリズムです。分子構造もグラフ構造なので本アルゴリズムは適用することができます。グラフを木分解（tree decomposition）することで得られる構造がjunction treeです。有向グラフの場合、無向グラフに…

Qiitaにもupしています。 qiita.com wikipediaから引用すると、 tf-idfは文章中に含まれる単語の重要度を評価する手法の1つであり、主に情報検索やトピック分析などの分野で用いられている。 と記載されています。文書中にどの単語が重要かを測定するために …

前回の続きです。 udnp.hatenablog.com 目次 baseline Algorithm Randomized Search Grid Search GPyOpt Nevergrad 結果 所感 引用・参考元 ベイズ最適化が良く用いられる例だと思います。他にはハイパーパラメータの探索にはグリッドサーチや最適化計算を行…

前回の記事ではベイズ最適化で使用されるガウス過程回帰（Gaussian Process Regression）についてまとめていきました。今回の記事では、ガウス過程を用いたベイズ最適化について行っていきたいと思います。よく用いられるのは、ハイパーパラメータの探索や、…

創薬を行っていくとき、定量的構造活性相関（QSAR）を用いればハイスループットスクリーニングが可能となりますが、本当に欲しいのは所望の特性を満たす化合物です。目標となる活性値や物性値を得るために用いられる方法は、 数理最適化 ベイズ最適化 強化学…

強化学習理論のまとめ（その2）です。その1（強化学習の一般的な定義から方策勾配法まで）は以下から。 udnp.hatenablog.com DPG DDPG D4PG MADDPG 参考・引用文献 DPG paper 方策は現在の状態sでの行動aに対する確率分布としてモデル化されますが、Determin…

実装する前にChemical VAEについて論文概要をまとめます。原著は以下にあります。 https://pubs.acs.org/doi/abs/10.1021/acscentsci.7b00572 概要 SMILESをVariational Autoencoderで学習させ、潜在空間のベクトルから物性値の予測モデルを作成することで目…

強化学習に必要な理論についてまとめていきます。様々な数式表記がありますが、「これからの強化学習」にできるだけ統一していきます。間違った記述があれば、ご指摘いただければ幸いです。日々アップデートしていきます。よろしくお願いいたします。 序文 M…

[変分オートエンコーダー (VAE, M1)]の続きです。 conditional VAE, M2 M1モデルに対して、ラベル付きのデータを入力できるようにしたモデルです。 モデル をクラスラベルを表すとします。 M2のグラフィカルモデルは下図のようになります。 Graphical Model:…

はじめに Alan先生のラボの論文Chemical VAEsを理解するために、VAEについてまとめます。 Chem VAE 化学構造の文字列情報（SMILES）をVAEに適用しSMILESを生成しようとする試みです。Latent Spaceの尤度を最大とするような分子が生成されます。Inductive bia…