跨数据集借力
一种可整合多个独立数据集进行联合训练的深度神经网络，通过跨网络对齐与惩罚实现变量筛选和信息借用，缓解高维输入小样本下的信息不足，提升模型泛化与预测性能。
Zhang, Shanlin · 张三国 · Yi, Huangdi · Ma, Shuangge
Journal of Biomedical Informatics 2023
通过整合多个独立数据集并设计对齐机制，模型能够自动借用其他研究中的相关信息，提升整体性能。
通过对网络参数施加惩罚，模型能够在训练过程中自动识别并区分相关变量与无关变量，无需人工筛选。
该技术专门针对高维输入和有限训练样本设计，通过跨网络信息借用缓解“信息不足”问题，使模型在此类数据上仍能有效训练。
不同于回归模型容易基于协变量对齐，本方法开发了针对多个深度神经网络的对齐策略，使得不同数据集上的网络能够协调一致。