生物计算
基于深度学习的识别关键蛋白质框架-DeepEP
(还未补全内容) 结构 •特征提取模块:使用node2vec技术来自动学习PPI网络中每个蛋白的稠密向量,获取生物网络的语义和拓扑特征。然后,将基因表达谱视作为图片,使用多尺度CNN来提取特征,再使用池化层递减维度。 ...
计算的一般顺序(套路)
计算的一般顺序(套路)   我们已知的是 各个名称的蛋白质的相互关系的2列表格 和 用来验证的一列的关键蛋白质名称 的文件 实现模板: 1.预处理数据。从相关户关系文件中提取出所有的蛋白质名称作为一个一行/一列的矩阵strings。 ...
简易数据挖掘过程及结果分析
  上一篇已经写了详细的weka教程,这次来分析一下数据处理的套路和处理出来的结果。 ...
WEKA使用教程
WEKA使用教程 目录 1. 简介 2. 数据格式 3.数据准备 4. 关联规则(购物篮分析) 5. 分类与回归 6. 聚类分析 1.简介 WEKA的全名是怀卡托智能分析环境(Waikato Environment for Knowledge Analysis),它的源代码可通 ...
生物学习·关键蛋白质·暂且了解的各种方法集合
识别关键蛋白质的八种方法的介绍 1.前言 最近在实现一篇比较新的论文的一个方法,发现这个论文里涉及了比较多的方法,恰好又都记在了Onenote上,就发出来。因为公式在wordpress上不太好农,就直接截了我在Oneonte上的图。 ...
热门搜索
37 文章
3 评论
11 喜欢
Top