2024, 09, v.41 13-20
大模型统计学:统计学与大模型前沿问题研究
基金项目(Foundation):
邮箱(Email):
DOI:
| 1,994 | 2 | 429 |
| 下载次数 | 被引频次 | 阅读次数 |
摘要：
<正>为服务中国式现代化，统计必须率先实现现代化。随着大数据和人工智能时代的到来，数据的规模和复杂性急剧增加，经典统计学方法在处理大规模数据集时，其模型复杂度成为限制因素。而深度学习模型能够从大规模数据中学习到复杂的特征，因此开始在数据分析中得到广泛应用。尤其是近年来出现的大模型，具有强大的数据处理和分析能力，可以应对前所未有的大规模数据集并能够作为预训练好的模型，帮助分析小样本数据。
Abstract：
参考文献
(1)Senior A W,et al,Improved Protein Structure Prediction Using Potentials from Deep Learning,Nature,2020,577(7792):706–710。
(2)Zhou J,Troyanskaya O G,Predicting Effects of Noncoding Variants with Deep Learning–based Sequence Model,Nature Methods,2015,12(10):931–934。
(3)Esteva A,et al,Dermatologist-level Classification of Skin Cancer with Deep Neural Networks,Nature,2017,542(7639):115–118。
基本信息:
DOI：
中图分类号:O212;TP18
引用信息:
[1]黄坚,郭建华.大模型统计学:统计学与大模型前沿问题研究[J].统计研究,2024,41(09):13-20.
基金信息: