Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch Deutsch
CORDIS - Forschungsergebnisse der EU
CORDIS

Exascale Compound Activity Prediction Engine

CORDIS bietet Links zu öffentlichen Ergebnissen und Veröffentlichungen von HORIZONT-Projekten.

Links zu Ergebnissen und Veröffentlichungen von RP7-Projekten sowie Links zu einigen Typen spezifischer Ergebnisse wie Datensätzen und Software werden dynamisch von OpenAIRE abgerufen.

Leistungen

Factsheet 2 (öffnet in neuem Fenster)

Factsheet for dissemination

Development report (öffnet in neuem Fenster)

Development report: Document describing the impact of the algorithmic developments on the industry challenges

Simulation report 3 (öffnet in neuem Fenster)

Report: Node peformance simulation of D2.11

Simulation report 2 (öffnet in neuem Fenster)

Report: Node performance simulation of D2.7

Simulation Report 1 (öffnet in neuem Fenster)

Report: Node performance simulation of D2.3

Criteria report (öffnet in neuem Fenster)

Benchmarking criteria

Metamodel report (öffnet in neuem Fenster)

Document describing industry challenges and academic research initiatives, and overlap between different ML algorithms to guide building the meta-model

Final simulation and scalability report (4 and 2) (öffnet in neuem Fenster)

Report: Node performance simulation of D2.17, and scalability test

Factsheet 1 (öffnet in neuem Fenster)

Factsheet for exploitation

Scalability report 1 (öffnet in neuem Fenster)

Scalability test

Challenge report (öffnet in neuem Fenster)

Document describing challenges, data types and pipelines used in building Chemogenomics models

Report + Code 6 (öffnet in neuem Fenster)

Code for Platt scaling and its integration with algorithms from earlier deliverables corresponding to Task 1.2.3.

Workflows report (öffnet in neuem Fenster)

Overview of developed methods and workflows

PublicCancer (öffnet in neuem Fenster)

Public cancer cell line datasets

Report + Code 4 (öffnet in neuem Fenster)

Code for Exascale Bayesian Non-linear Multi-view Matrix Factorization and related documentation, deep learning code and related documentation version 3. Code for integration of unsupervised pre-processing and supervised learning, and related documentation. Code for Venn-Abers probabilistic predictors for large and imbalanced datasets

WebData (öffnet in neuem Fenster)

Web APIs for public datasets

Tox (öffnet in neuem Fenster)

Toxicology datasets

PublicBio (öffnet in neuem Fenster)

Public biological datasets

Veröffentlichungen

Combination of Conformal Predictors for Classification

Autoren: Paolo Toccaceli, Alexander Gammerman
Veröffentlicht in: Proceedings of Machine Learning Research: The Sixth Workshop on Conformal and Probabilistic Prediction and Applications, Ausgabe 60, 2017, 2017, Seite(n) 39-61, ISSN 1938-7228
Herausgeber: JMLR Inc. and Microtome Publishing (United States)

Nonparametric predictive distributions based on conformal prediction

Autoren: Vladimir Vovk, Jieli Shen, Valery Manokhin, Min-ge Xie
Veröffentlicht in: Proceedings of Machine Learning Research Proceedings: The Sixth Workshop on Conformal and Probabilistic Prediction and Applications, Ausgabe 60, 2017, 2017, Seite(n) 82-102, ISSN 1938-7228
Herausgeber: JMLR Inc. and Microtome Publishing (United States)

Reverse Conformal Approach for On-line Experimental Design

Autoren: Ilia Nouretdinov
Veröffentlicht in: Proceedings of Machine Learning Research: The Sixth Workshop on Conformal and Probabilistic Prediction and Applications, Ausgabe 60, 2017, 2017, Seite(n) 185-192, ISSN 1938-7228
Herausgeber: JMLR Inc. and Microtome Publishing (United States)

Improving Reliable Probabilistic Prediction by Using Additional Knowledge

Autoren: Ilia Nouretdinov
Veröffentlicht in: Proceedings of Machine Learning Research: The Sixth Workshop on Conformal and Probabilistic Prediction and Applications, Ausgabe 60, 2017, 2017, Seite(n) 193-200, ISSN 1938-7228
Herausgeber: JMLR Inc. and Microtome Publishing (United States)

Machine Learning for Chemogenomics on HPC in the ExCAPE Project

Autoren: Tom Vander Aa, Tom Ashby, Yves Vandriessche, Vojtech Cima, Stanislav Böhm, Jan Martinovic
Veröffentlicht in: INFOCOMP17, Ausgabe June 25, 2017, 2017, Seite(n) 72 to 74, ISSN 2308-3484
Herausgeber: IARIA

Inductive Conformal Martingales for Change-Point Detection

Autoren: Denis Volkhonskiy, Evgeny Burnaev, Ilia Nouretdinov, Alexander Gammerman, Vladimir Vovk
Veröffentlicht in: Proceedings of Machine Learning Research Proceedings: The Sixth Workshop on Conformal and Probabilistic Prediction and Applications, Ausgabe 60, 2017, 2017, Seite(n) 132-153, ISSN 1938-7228
Herausgeber: JMLR Inc. and Microtome Publishing (United States)

Inductive Venn-Abers predictive distribution

Autoren: Ilia Nouretdinov, Denis Volkhonskiy, Pitt Lim, Paolo Toccaceli, Alexander Gammerman
Veröffentlicht in: Proceedings of Machine Learning Research: The Seventh Workshop on Conformal and Probabilistic Prediction and Applications, Ausgabe 91, 2018, 2018, Seite(n) 15-36, ISSN 1938-7228
Herausgeber: JMLR Inc. and Microtome Publishing (United States)

Conformal predictive decision making

Autoren: Vladimir Vovk, Claus Bendtsen
Veröffentlicht in: Proceedings of Machine Learning Research: The Seventh Workshop on Conformal and Probabilistic Prediction and Applications, Ausgabe 91, 2018, 2018, Seite(n) 52-62, ISSN 1938-7228
Herausgeber: JMLR Inc. and Microtome Publishing (United States)

Large-scale probabilistic non-linear matrix factorization for drug discovery

Autoren: Xiangju Qin, Paul Blomstedt, Samuel Kaski
Veröffentlicht in: 3rd International workshop on biomedical informatics with optimization and machine learning, Ausgabe 15th April, 2018, Seite(n) https://www.ijcai-boom.org/uploads/5/1/6/8/51680821/xiangju_qu.pdf
Herausgeber: https://www.ijcai-boom.org/proceeding.html

Self-Normalizing Neural Networks

Autoren: Günter Klambauer, Thomas Unterthiner, Andreas Mayr, Sepp Hochreiter
Veröffentlicht in: Advances in Neural Information Processing Systems 30 (NIPS 2017), Ausgabe 4.12-9.12.2017, 2017, Seite(n) 971--980
Herausgeber: Curran Associates, Inc.

HyperLoom - A Platform for Defining and Executing Scientific Pipelines in Distributed Environments (öffnet in neuem Fenster)

Autoren: Vojtěch Cima, Stanislav Böhm, Jan Martinovič, Jiří Dvorský, Kateřina Janurová, Tom Vander Aa, Thomas J. Ashby, Vladimir Chupakhin
Veröffentlicht in: Proceedings of the 9th Workshop and 7th Workshop on Parallel Programming and RunTime Management Techniques for Manycore Architectures and Design Tools and Architectures for Multicore Embedded Computing Platforms - PARMA-DITAM '18, 2018, Seite(n) 1-6, ISBN 9781450364447
Herausgeber: ACM Press
DOI: 10.1145/3183767.3183768

Fast and Accurate Deep Network Learning by Exponential Linear Units (ELUs)

Autoren: Djork-Arne Clevert, Thomas Unterthiner, Sepp Hochreiter
Veröffentlicht in: CoRR, Ausgabe abs/1511.07289, 2015, Seite(n) 1-14
Herausgeber: International Conference on Learning Representations (ICLR) 2016

Speeding up Semantic Segmentation for Autonomous Driving

Autoren: Michael Treml, José Arjona-Medina, Thomas Unterthiner, Rupesh Durgesh, Felix Friedmann, Peter Schuberth, Andreas Mayr, Martin Heusel, Markus Hofmarcher, Michael Widrich, Bernhard Nessler, Sepp Hochreiter
Veröffentlicht in: OpenReview, 2016, Seite(n) 1-7
Herausgeber: Workshop on Machine Learning for Intelligent Transport Systems, Conference Neural Information Processing Systems Foundation (NIPS 2016)

Criteria of Efficiency for Conformal Prediction (öffnet in neuem Fenster)

Autoren: Vladimir Vovk, Valentina Fedorova, Ilia Nouretdinov, Alexander Gammerman
Veröffentlicht in: COPA 2016: Conformal and Probabilistic Prediction with Applications, 2016, Seite(n) 23-39
Herausgeber: Springer International Publishing
DOI: 10.1007/978-3-319-33395-3_2

Distributed Bayesian Probabilistic Matrix Factorization (öffnet in neuem Fenster)

Autoren: Tom Vander Aa, Imen Chakroun, Tom Haber
Veröffentlicht in: 2016 IEEE International Conference on Cluster Computing (CLUSTER), 2016, Seite(n) 346-349, ISBN 978-1-5090-3653-0
Herausgeber: IEEE
DOI: 10.1109/CLUSTER.2016.13

Universal Probability-Free Conformal Prediction (öffnet in neuem Fenster)

Autoren: Vladimir Vovk, Dusko Pavlovic
Veröffentlicht in: COPA 2016: Conformal and Probabilistic Prediction with Applications, 2016, Seite(n) 40-47
Herausgeber: Springer International Publishing
DOI: 10.1007/978-3-319-33395-3_3

Distributed Conformal Anomaly Detection (öffnet in neuem Fenster)

Autoren: Ilia Nouretdinov
Veröffentlicht in: 2016 15th IEEE International Conference on Machine Learning and Applications (ICMLA), 2016, Seite(n) 253-258, ISBN 978-1-5090-6167-9
Herausgeber: IEEE
DOI: 10.1109/ICMLA.2016.0049

Conformal Predictors for Compound Activity Prediction (öffnet in neuem Fenster)

Autoren: Paolo Toccaceli, Ilia Nouretdinov, Alexander Gammerman
Veröffentlicht in: COPA 2016: Conformal and Probabilistic Prediction with Applications, 2016, Seite(n) 51-66
Herausgeber: Springer International Publishing
DOI: 10.1007/978-3-319-33395-3_4

Self-Normalizing Neural Networks

Autoren: Günter Klambauer, Thomas Unterthiner, Andreas Mayr, Sepp Hochreiter
Veröffentlicht in: ArXiv, Ausgabe 8.6.2017, 2017
Herausgeber: arXiv preprint arXiv:1706.02515

Distributed Bayesian Matrix Factorization with Limited Communication

Autoren: Xiangju Qin, Paul Blomstedt, Eemeli Leppäaho, Pekka Parviainen, Samuel Kaski
Veröffentlicht in: arXiv, Ausgabe 02 March 2017, 2017
Herausgeber: Cornell University Library

SMURFF: a High-Performance Framework for Matrix Factorization

Autoren: Tom Vander Aa and Tom Ashby
Veröffentlicht in: n/a, Ausgabe n/a, 2018
Herausgeber: EPCC

Exploratory Analysis of Multiple Data Sources with Group Factor

Autoren: Eemeli Leppäaho, Muhammad Ammad-ud-din, Samuel Kaski
Veröffentlicht in: Journal of Machine Learning Research, Ausgabe 18, 04-2017, 2017, Seite(n) 1-5, ISSN 1533-7928
Herausgeber: JMLR Inc. and Microtome Publishing (United States)

Criteria of efficiency for set-valued classification (öffnet in neuem Fenster)

Autoren: Vladimir Vovk, Ilia Nouretdinov, Valentina Fedorova, Ivan Petej, Alex Gammerman
Veröffentlicht in: Annals of Mathematics and Artificial Intelligence, Ausgabe 81/1-2, 2017, Seite(n) 21-46, ISSN 1012-2443
Herausgeber: Kluwer Academic Publishers
DOI: 10.1007/s10472-017-9540-3

The role of measurability in game-theoretic probability (öffnet in neuem Fenster)

Autoren: Vladimir Vovk
Veröffentlicht in: Finance and Stochastics, Ausgabe 21/3, 2017, Seite(n) 719-739, ISSN 0949-2984
Herausgeber: Springer Verlag
DOI: 10.1007/s00780-017-0336-4

panelcn.MOPS: Copy-number detection in targeted NGS panel data for clinical diagnostics (öffnet in neuem Fenster)

Autoren: Gundula Povysil, Antigoni Tzika, Julia Vogt, Verena Haunschmid, Ludwine Messiaen, Johannes Zschocke, Günter Klambauer, Sepp Hochreiter, Katharina Wimmer
Veröffentlicht in: Human Mutation, Ausgabe 38/7, 2017, Seite(n) 889-897, ISSN 1059-7794
Herausgeber: John Wiley & Sons Inc.
DOI: 10.1002/humu.23237

Universal probability-free prediction (öffnet in neuem Fenster)

Autoren: Vladimir Vovk, Dusko Pavlovic
Veröffentlicht in: Annals of Mathematics and Artificial Intelligence, Ausgabe 81/1-2, 2017, Seite(n) 47-70, ISSN 1012-2443
Herausgeber: Kluwer Academic Publishers
DOI: 10.1007/s10472-017-9547-9

Ambit-SMIRKS: a software module for reaction representation, reaction search and structure transformation (öffnet in neuem Fenster)

Autoren: Nikolay Kochev, Svetlana Avramova, Nina Jeliazkova
Veröffentlicht in: Journal of Cheminformatics, Ausgabe 10/1, 2018, ISSN 1758-2946
Herausgeber: Chemistry Central
DOI: 10.1186/s13321-018-0295-6

Conformal prediction of biological activity of chemical compounds (öffnet in neuem Fenster)

Autoren: Paolo Toccaceli, Ilia Nouretdinov, Alexander Gammerman
Veröffentlicht in: Annals of Mathematics and Artificial Intelligence, Ausgabe 81/1-2, 2017, Seite(n) 105-123, ISSN 1012-2443
Herausgeber: Kluwer Academic Publishers
DOI: 10.1007/s10472-017-9556-8

Combination of inductive mondrian conformal predictors (öffnet in neuem Fenster)

Autoren: Paolo Toccaceli, Alexander Gammerman
Veröffentlicht in: Machine Learning, 2018, ISSN 0885-6125
Herausgeber: Kluwer Academic Publishers
DOI: 10.1007/s10994-018-5754-9

Nonparametric predictive distributions based on conformal prediction (öffnet in neuem Fenster)

Autoren: Vladimir Vovk, Jieli Shen, Valery Manokhin, Min-ge Xie
Veröffentlicht in: Machine Learning, 2018, ISSN 0885-6125
Herausgeber: Kluwer Academic Publishers
DOI: 10.1007/s10994-018-5755-8

Towards a Scalable Software Defined Network-on-Chip for Next Generation Cloud (öffnet in neuem Fenster)

Autoren: Alberto Scionti, Somnath Mazumdar, Antoni Portero
Veröffentlicht in: Sensors, Ausgabe 18/7, 2018, Seite(n) 2330, ISSN 1424-8220
Herausgeber: Multidisciplinary Digital Publishing Institute (MDPI)
DOI: 10.3390/s18072330

Large-scale comparison of machine learning methods for drug target prediction on ChEMBL (öffnet in neuem Fenster)

Autoren: Andreas Mayr, Günter Klambauer, Thomas Unterthiner, Marvin Steijaert, Jörg K. Wegner, Hugo Ceulemans, Djork-Arné Clevert, Sepp Hochreiter
Veröffentlicht in: Chemical Science, Ausgabe 9/24, 2018, Seite(n) 5441-5451, ISSN 2041-6520
Herausgeber: Royal Society of Chemistry
DOI: 10.1039/c8sc00148k

Validity and efficiency of conformal anomaly detection on big distributed data (öffnet in neuem Fenster)

Autoren: Ilia Nouretdinov
Veröffentlicht in: Advances in Science, Technology and Engineering Systems Journal, Ausgabe 2/3, 2017, Seite(n) 254-267, ISSN 2415-6698
Herausgeber: ASTES Publishers
DOI: 10.25046/aj020335

Purely pathwise probability-free Ito integral (öffnet in neuem Fenster)

Autoren: V. Vovk
Veröffentlicht in: Matematychni Studii, Ausgabe 46/1, 2017, ISSN 1027-4634
Herausgeber: the Lviv Mathematical Society
DOI: 10.15330/ms.46.1.96-110

Distributed Bayesian Probabilistic Matrix Factorization (öffnet in neuem Fenster)

Autoren: Tom Vander Aa, Imen Chakroun, Tom Haber
Veröffentlicht in: Procedia Computer Science, Ausgabe 108, 2017, Seite(n) 1030-1039, ISSN 1877-0509
Herausgeber: Elsevier
DOI: 10.1016/j.procs.2017.05.009

SW-SGD: The Sliding Window Stochastic Gradient Descent Algorithm (öffnet in neuem Fenster)

Autoren: Imen Chakroun, Tom Haber, Thomas J. Ashby
Veröffentlicht in: Procedia Computer Science, Ausgabe 108, 2017, Seite(n) 2318-2322, ISSN 1877-0509
Herausgeber: Elsevier
DOI: 10.1016/j.procs.2017.05.082

Improving Operational Intensity in Data Bound Markov Chain Monte Carlo (öffnet in neuem Fenster)

Autoren: Balazs Nemeth, Tom Haber, Thomas J. Ashby, Wim Lamotte
Veröffentlicht in: Procedia Computer Science, Ausgabe 108, 2017, Seite(n) 2348-2352, ISSN 1877-0509
Herausgeber: Elsevier
DOI: 10.1016/j.procs.2017.05.024

Hypergraphical Conformal Predictors (öffnet in neuem Fenster)

Autoren: Valentina Fedorova, Alex Gammerman, Ilia Nouretdinov, Vladimir Vovk
Veröffentlicht in: International Journal on Artificial Intelligence Tools, Ausgabe 24/06, 2015, Seite(n) 1560003, ISSN 0218-2130
Herausgeber: World Scientific Publishing Co
DOI: 10.1142/S0218213015600039

ExCAPE-DB: an integrated large scale dataset facilitating Big Data analysis in chemogenomics (öffnet in neuem Fenster)

Autoren: Jiangming Sun, Nina Jeliazkova, Vladimir Chupakin, Jose-Felipe Golib-Dzib, Ola Engkvist, Lars Carlsson, Jörg Wegner, Hugo Ceulemans, Ivan Georgiev, Vedrin Jeliazkov, Nikolay Kochev, Thomas J. Ashby, Hongming Chen
Veröffentlicht in: Journal of Cheminformatics, Ausgabe 9/1, 2017, ISSN 1758-2946
Herausgeber: Chemistry Central
DOI: 10.1186/s13321-017-0203-5

HyperLoom Possibilities for Executing Scientific Workflows on the Cloud (öffnet in neuem Fenster)

Autoren: Vojtech Cima, Stanislav Böhm, Jan Martinovič, Jiří Dvorský, Thomas J. Ashby, Vladimir Chupakhin
Veröffentlicht in: Complex, Intelligent, and Software Intensive Systems, Ausgabe 611, 2018, Seite(n) 397-406, ISBN 978-3-319-61565-3
Herausgeber: Springer International Publishing
DOI: 10.1007/978-3-319-61566-0_36

Application of Bioactivity Profile Based Fingerprints for Building Machine Learning Models (öffnet in neuem Fenster)

Autoren: Noé Sturm, Jiangming Sun, Yves Vandriessche, Andreas Mayr, Günter Klambauer, Lars-Anders Carlson, Ola Engkvist, Hongming Chen
Veröffentlicht in: ChemRxiv, 2018, ISSN 2573-2293
Herausgeber: American Chemical Society
DOI: 10.26434/chemrxiv.6969584.v1

Suche nach OpenAIRE-Daten ...

Bei der Suche nach OpenAIRE-Daten ist ein Fehler aufgetreten

Es liegen keine Ergebnisse vor

Mein Booklet 0 0