本文扩展了基于深度神经网络的天文目标检测算法，适用于光度学和星位学。使用迁移学习策略训练神经网络，减少认知不确定性。算法处理图像速度快，能准确获取天体对象的类型、位置和大小，可用于增强WFSATs的响应速度和检测能力，探测域内天文事件。
诺华生物医学研究评估了机器学习模型在预测靶向蛋白质降解剂（TPD）特性方面的应用。研究发现，模型可以成功预测TPD的渗透性、代谢清除率、CYP抑制等特性。误分类误差范围为0.8%至8.1%。预测异双功能化合物的ADME特性比预测glues的更具挑战性。迁移学习策略可以改善对异双功能分子的预测。该研究对加速具有良好ADME属性的降解剂设计具有重要意义。
完成下面两步后，将自动完成登录并继续当前操作。
