인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구에서는 Mamba 시퀀스 모델링 아키텍처를 활용한 다중 클래스 DDI 예측 딥러닝 프레임 워크를 제안한다. 제안 모델은 글로벌 오토인코더, Siamese 기반 인코더, Mamba 기반 듀얼 인코딩이라는 세 가지 모듈로 구성되며, 약물쌍의 다양한 특성 정보를 개별적으로 학습한 뒤 이를 효과적으로 융합한다. 이후 Mamba 레이어를 통해 약물 간 상호작용 표현을 한층 강화하여 관계 정보를 풍부하게 반영한다. 특히 Mamba 구조는 선택적 상태공간 모델링(selective state space modeling)을 기반으로 하여 입력의 중요도에 따라 정보를 동적으로 반영할 수 있으며, 트랜스포머 대비 계산 복잡도가 낮으면서도 장기 의존성(long-range dependency)을 효과적으로 학습할 수 있는 구조적 장점을 가진다. 또한 모듈별 중간 표현을 활용한 정보 통합은 다양한 수준의 약물 표현을 반영하는 데 유리하게 작용한다. 본 연구는 이러한 구조를 통해 약물 특성 간 비선형적 상호작용과 시퀀스 내 의미적 관계를 정교하게 모델링하였다. 실험 결과, 제안한 모델은 공개된 DDI 벤치마크 데이터셋의 Task 1~3 전반에서 기존 모델보다 우수한 정확도와 일반화 성능을 기록하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-093131973
