我中心提出了面向药物发现的生物网络自监督表征学习的多任务联合框架MSSL2drug，相关研究成果已被Nature子刊接收，Nature Machine Intelligence。该研究基于生物医学异构网络的结构、语义和属性等多模态特征，设计了6个单任务和15种多任务组合，通过基于图注意力机制的统一对抗多任务学习框架，系统地研究药物深度表征，并在药物发现应用任务中得到显著性能提升。该成果完善了...

SIAM International Conference on Data Mining (SIAM-SDM’23)是数据挖掘领域高水平学术会议，是中国计算机学会CCF推荐的国际学术刊物B类会议。近日，我中心大数据部题为Traceable Automatic Feature Transformation via Cascading Actor-Critic Agents、NEEDED: In...

随着边缘计算技术的应用与发展，大量流量被卸载到边缘进行处理，改变了数据在网络中的流向。针对边缘网络开展高精度、细粒度的流量预测研究对于基于边缘节点的网络资源优化、网络资源编排、网络智能管理具有重要意义。面向多边缘节点网络拓扑，我中心先进网络技术与应用发展部智能流量感知团队提出了多变量可迁移网络流量预测架构—TransMUSE，极大提升模型的复用性，降低为每一个边缘节点和每一个应用维护单独预测...