Conformal efficiency as a metric for comparative model assessment befitting federated learning

In a drug discovery setting, pharmaceutical companies own substantial but confidential datasets. The MELLODDY project developed a privacy-preserving federated machine learning solution and deployed it at an unprecedented scale. Each partner built models for their own private assays that benefitted f...

Ամբողջական նկարագրություն

Մատենագիտական մանրամասներ
Հիմնական հեղինակներ:	Wouter Heyndrickx, Adam Arany, Jaak Simm, Anastasia Pentina, Noé Sturm, Lina Humbeck, Lewis Mervin, Adam Zalewski, Martijn Oldenhof, Peter Schmidtke, Lukas Friedrich, Regis Loeb, Arina Afanasyeva, Ansgar Schuffenhauer, Yves Moreau, Hugo Ceulemans
Ձևաչափ:	Հոդված
Լեզու:	English
Հրապարակվել է:	Elsevier 2023-12-01
Շարք:	Artificial Intelligence in the Life Sciences
Խորագրեր:	Small molecule drug discovery MELLODDY QSAR Federated multitask learning Applicability domain Uncertainty
Առցանց հասանելիություն:	http://www.sciencedirect.com/science/article/pii/S2667318523000144

Համացանց

http://www.sciencedirect.com/science/article/pii/S2667318523000144

Conformal efficiency as a metric for comparative model assessment befitting federated learning

Համացանց

Նմանատիպ նյութեր