|
||
|
Senior Member
 
加入日期: Apr 2017 您的住址: (╯-_-)╯ ~ ╩╩
文章: 1,367
|
AI出現新玩法:
以前視覺模型與語言模型是分開的, 現在開始出現合體模型, 也就是一起執行各司其職, 比如可以控制本機電腦AI自動接手控制操作. 當然顯卡VRAM需求也是疊加, 看起來5090會賣得很好很長銷,
__________________
------------------------------------------------------ 這就是 Elon Musk 關停USAID的真相:  COVID-19是美國USAID造的生物武器 !!! ＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸＸ (Youtube影片)完蛋了沒搞頭了 都該怪佛奇多話 ---佛奇的影片竟然被拔掉? 了補上 鋼鐵人的 "DOGE" 不錯看! 1 2 3 
此文章於 2025-03-15 05:19 AM 被 冰的啦魔王大人 編輯. |
|||||||
2025-03-14, 11:08 PM
#21
|
|
|
Golden Member
加入日期: Feb 2004 您的住址: 從來處來
文章: 2,758
|
引用:
馬可夫鏈是一串狀態的轉換機率，從A狀態到B, C, D...狀態的機率分別是多少、B到A, C, D...狀態又多少.... 在計算時，當然是由最高機率的下去算。在理想狀態下，不可能的組合，會被排在最後面算，簡單地說就是不會被算到。因為你算到不可能的組合前，就知道已經到了低機率的串鏈，後面的可以棄置。當然這是你可以準確設定適合狀態，且算出合理機率的情況。 用馬可夫鏈來算蛋白質折疊的效率如何我不清楚。但 google 應用馬可夫鏈來顯示你最想要的搜尋結果，效果相當不錯，通常你想搜尋的網頁，在第一頁就顯示完了。 雖然你搜尋時會出現說有幾百萬、幾千萬個結果，但只有前面一部份有真正排序，後面幾萬的，都因機率太低被棄置了。 |
|||
|
2025-03-17, 03:50 AM
#22
|
|
|
Golden Member
加入日期: Feb 2004 您的住址: 從來處來
文章: 2,758
|
忽然想到，蛋白質的計算用的可能是隱藏式馬可夫模型，因為這比較適合搜尋未知的結果。
隱藏式馬可夫模型差別就是某些狀態是蓋牌的情況。 我查了一下，隱藏式馬可夫模型有被應用到 生物資訊學 和 基因組學 基因組序列中蛋白質編碼區域的預測 對於相互關聯的DNA或蛋白質族的建模 從基本結構中預測第二結構元素 |
|
2025-03-19, 01:02 PM
#23
|
|
|
Golden Member
加入日期: Feb 2004 您的住址: 從來處來
文章: 2,758
|
再補充一下，研究所時，我們實驗室主要做語音辯識、處理，有用到隱藏式馬可夫鏈的技術，當時有其他人用的是類神經網路，也就是現在AI用的技術。
但類神經網路當時效果並不好，隱藏式馬可夫鏈才是顯學。只是沒想到風水輪流轉，現在隱藏式馬可夫模型已經完全被類神經網路打趴。 所以十幾年前蛋白質計算使用隱藏式馬可夫模型並沒有什麼問題，在當時那是主流，類神經網路還只是不成熟的東西。 此文章於 2025-03-20 04:01 PM 被 Adsmt 編輯. |
|
2025-03-19, 01:08 PM
#24
|
|
