叶酸 干细胞 基因 神经
神经网络优化篇：为什么正则化有利于预防过拟合呢？（Why regularization reduces overfitting?）
为什么正则化有利于预防过拟合呢？ 通过两个例子来直观体会一下。 左图是高偏差，右图是高方差，中间是Just Right。 现在来看下这个庞大的深度拟合神经网络。知道这张图不够大，深度也不够，但可以想象这是一个过拟合的神经网络。这是的代价函数\(J\)，含有参数\(W\)，\(b\)。添加正则项，它可 ......
神经网络2
1- 模型 模型结构 特征表示能力 训练效率 模型复杂度 鲁棒性 CNN 局部连接、权值共享的卷积结构 对局部特征提取能力强，适用于图像、语音等领域 训练效率高，可并行化处理 模型结构相对简单，参数较少，不适用于处理序列数据 对数据噪声、变形等鲁棒性一般 RNN 具有循环连接的结构，如LSTM、GR ......
神经网络
模型演进卷积神经网络--循环神经网络--Transformer 卷积神经网络 CNN 主要处理图像的神经网络卷积本身是一种数学计算先观察--再记忆存储 循环神经网络 RNN 语义存在上下文的前后依赖关系循环神经网络的上一级节点的输出继续往下一级进行传递，事后对序列数据的上下文影响进行建模后续的每一个 ......
matlab使用长短期记忆（LSTM）神经网络对序列数据进行分类|附代码数据
全文下载链接：http://tecdat.cn/?p=19751 本示例说明如何使用长短期记忆（LSTM）网络对序列数据进行分类 。 最近我们被客户要求撰写关于LSTM的研究报告，包括一些图形和统计输出。 要训练深度神经网络对序列数据进行分类，可以使用LSTM网络。LSTM网络使您可以将序列数据输入 ......
经典卷积神经网络LeNet&AlexNet&VGG
LeNet LeNet-5是一种经典的卷积神经网络结构，于1998年投入实际使用中。该网络最早应用于手写体字符识别应用中。普遍认为，卷积神经网络的出现开始于LeCun等提出的LeNet网络，可以说LeCun等是CNN的缔造者，而LeNet则是LeCun等创造的CNN经典之作网络结构图由下图所示： L ......
神经网络优化篇：详解正则化（Regularization）
正则化 深度学习可能存在过拟合问题——高方差，有两个解决方法，一个是正则化，另一个是准备更多的数据，这是非常可靠的方法，但可能无法时时刻刻准备足够多的训练数据或者获取更多数据的成本很高，但正则化通常有助于避免过拟合或减少的网络误差。 如果怀疑神经网络过度拟合了数据，即存在高方差问题，那么最先想到的方 ......
聊聊神经网络的优化算法
优化算法主要用于调整神经网络中的超参数，使得训练数据集上的损失函数尽可能小。其核心逻辑是通过计算损失函数对参数的梯度（导数）来确定参数更新方向。 SGD Stochastic Gradient Descent(随机梯度下降法)：随机梯度下降算法是一种改进的梯度下降方法，它在每次更新参数时，只随机选择 ......
神经网络优化篇：机器学习基础（Basic Recipe for Machine Learning）
机器学习基础 下图就是在训练神经网络用到的基本方法：（尝试这些方法，可能有用，可能没用） 这是在训练神经网络时用到地基本方法，初始模型训练完成后，首先要知道算法的偏差高不高，如果偏差较高，试着评估训练集或训练数据的性能。如果偏差的确很高，甚至无法拟合训练集，那么要做的就是选择一个新的网络，比如含有更 ......
PINN——加入物理约束的神经网络
【摘要】 基于物理信息的神经网络（Physics-informed Neural Network， 简称PINN），是一类用于解决有监督学习任务的神经网络，它不仅能够像传统神经网络一样学习到训练数据样本的分布规律，而且能够学习到数学方程描述的物理定律。与纯数据驱动的神经网络学习相比，PINN在训练过 ......
基因组序列比对（read alignment）
基因组序列比对（read alignment）技术，是将测序得到的read与已有的参考基因组进行比对，找到read与参考基因组匹配的对应位置，继而得到序列比对的详细结果。 由于参考基因组碱基数极多，测序得到的read数据量极大，且测序的DNA序列中存在各种碱基变异和测序错误，因此不能直接将read与 ......
Inferring Developmental Trajectories and Causal Regulations with Single-cell Genomics用单细胞基因组学推断发育轨迹和因果规则
Inferring Developmental Trajectories and Causal Regulations with Single-cell Genomics Development is commonly regarded as a hierarchical branching pro ......
宏基因组测序相比于16S等测序技术的优势
宏基因组测序相比于16S rRNA基因测序技术有几个主要的优势： 全面性：宏基因组测序提供了对整个微生物群落基因组的综合视角，而不仅限于16S rRNA基因。这意味着它能够捕捉到更广泛的微生物多样性，包括细菌、古菌、真菌以及病毒。 功能信息：宏基因组测序不仅能够鉴定微生物群落中的物种，还能提供关于它 ......
基因组变异分析
基因组变异分析 基因组变异是指与参考序列相比,基因组中发生的单碱基变异、DNA序列片段插入、缺失、扩增和复杂结构变异等。 目前基于测序方法进行单核苷酸多态性（Single Nucleotide Polymorphism, SNP）、短的插入缺失（Insertion-Deletion, InDel）等 ......
神经网络算法原理简述
神经网络算法是一种模拟人类神经系统运作的机器学习算法。它由多个神经元（或称为节点）组成，每个神经元都与其他神经元连接，并通过这些连接传递信息。神经网络通过学习大量数据，自动调整连接的权重，从而实现模式识别、分类、回归等任务。神经网络算法的原理可以分为以下几个步骤： 输入层：神经网络的第一层是输入层， ......
基于小波神经网络的网络流量预测算法matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 matlab2022A 3.算法理论概述 网络流量能直接反映网络性能的好坏，网络流量的建模与预测对于大规模网络的规划设计、网络资源管理以及用户行为的调节等方面都具有积极意义。本课题首先介绍了网络流量的特征，在分析了小波理论的基础上提出了一种基于小波变换的 ......
易基因：动脉粥样硬化中的DNA甲基化和组蛋白修饰及其表观遗传治疗视角｜综述
动脉粥样硬化（Atherosclerosis, as）是一种以动脉血管壁炎症和斑块积聚为特征的血管病变，是大多数心血管疾病的重要病因。除了脂质沉积和慢性炎症外，越来越多的证据表明表观遗传修饰与动脉粥样硬化越来越相关，并从治疗和生物标志物的角度都很有意义。本文就DNA甲基化和组蛋白翻译后修饰在动脉粥样 ......
蛋白质定量技术 | Mass Spectrometry | LC-MS/MS | CyTOF | RIME | 单细胞蛋白组测序
名词解释： LC-MS - Liquid chromatography–mass spectrometry 液相色谱-质谱联用仪 CyTOF - Cytometry by time of flight - 质谱流式细胞技术 RIME - Rapid Immunoprecipitation Mass ......
week2-神经网络基础
1. Binary Classification 如上图所示是经典的二分类问题。输入的图片是3通道64*64像素的，有3个64*64的矩阵，把这些像素亮度放入一个特征向量（feature vector）x。（按照通道的顺序排列下来，如上图的X）,向量x的总维度就是64*64*3，为12288。用n_ ......
Nougat：结合光学神经网络，引领学术PDF文档的智能解析、挖掘学术论文PDF的价值
Nougat：结合光学神经网络，引领学术PDF文档的智能解析、挖掘学术论文PDF的价值 这是Nougat的官方存储库，Nougat是一种学术文档PDF解析器，可以理解LaTeX数学和表格。 Project page: https://facebookresearch.github.io/nougat ......
D. 相似基因 - 2023HBUCM程序设计竞赛
题面 p哥作为一名湖中医信息工程学院的同学，不仅对信息有兴趣，同时对生物也很有兴趣。相信大家从初高中生生物基本知识都知道，DNA基因可以看作一个碱基对序列。它包含了 \(4\) 种核苷酸，简记作 \(A,C,G,T\)。现在假设想计算两个基因的相似程度，相似度的计算方法如下： 对于两个已知基因，例如 ......
Treg细胞（调节性T细胞）
转载自 分类和作用机制 根据发育来源，Treg细胞可分两类：一类是天然产生的自然Treg（nTreg），主要在胸腺分化里发育而来，算是富二代。另一类是经诱导产生的适应性Treg（iTreg），是由初始CD4+T细胞（Th0）经抗原刺激后分化发育而来，算是白手起家，肿瘤微环境中的Treg主要就是指iT ......
易基因：MeRIP-seq等揭示m6A RNA甲基化以ABA依赖性方式调控草莓果实成熟
DNA甲基化等表观遗传标记在调控不同成熟阶段果实成熟中起着关键作用。m6A甲基化已被证明可以调控番茄成熟，但目前尚不清楚 mRNA m6A甲基化是否对不同类型水果的成熟调控具有功能保守性。 2021年6月，中国科学院植物研究所秦国政研究组在《Genome Biology》杂志发表题为“N6-meth ......
神经网络是如何工作的？
作为一名程序员，我们习惯于去了解所使用工具、中间件的底层原理，本文则旨在帮助大家了解AI模型的底层机制，让大家在学习或应用各种大模型时更加得心应手，更加适合没有AI基础的小伙伴们。 ......
【Pytorch基础实战】第一节，BP神经网络
项目地址 https://gitee.com/wxzcch/pytorchbase/tree/master/leason_1 实现代码 import pandas as pd import torch import torch.nn as nn import torch.optim as optim ......
物理信息神经网络(PINN)
什么是物理信息神经网络(PINN)？ 宋家豪, 曹文博, and 张伟伟. "FD-PINN: 频域物理信息神经网络." 力学学报 55.5 (2023): 1195-1205. 物理信息神经网络（PINN）是一种将深度学习与物理建模相结合的方法，用于求解偏微分方程（PDE)和其他物理问题。PINN ......
生信大神李恒综述：T2T时代的基因组组装
目录影响组装的基因组特性长读长和长范围（long-range）测序技术近T2T基因组组装核心组装算法评估序列组装李恒的观点 生信领域大神李恒今年发在预印本上的一篇综述：Genome assembly in the telomere-to-telomere era，小编总结下要点。 影响组装的基因组特 ......
美国乔治亚大学李增禄教授最新报告《基因组预测加速遗传增益》
目录 这是美国乔治亚大学（University of Georgia）李增禄教授在山东农业大学做的一场最新报告。李教授主要从事大豆高产、优质、抗病虫育种，大豆遗传资源鉴定、利用及创新，目标性状基因定位，分子育种方法的开发和利用、基因组选择等研究工作。 关于李教授：https://cropsoil.u ......
又双叒叕一个大豆T2T基因组发表了
目录基本信息背景方法结果碎碎念 前不久才刚总结完大豆T2T基因组：哪个才是首个（中国）大豆的T2T基因组版本？，谁能想到最近又出来一个大豆品种Jack的T2T基因组。 基本信息 标题: A complete reference genome for the soybean cv Jack (大豆品种 ......
Mol Plant | 黄学辉等教授综述植物泛基因组及其应用
目录摘要泛基因组的重要性植物泛基因组的主要结构变异（SV）驱动力植物泛基因组的发展植物泛基因组应用育种 今日分享一篇去年底今年初发表的植物泛基因组综述，作者史俊鹏、田志喜、赖锦盛、黄学辉，全员大佬。 该文详细介绍了植物泛基因组的概念、研究进展和应用。 摘要 植物基因组高度多样化，很大一部分序列在不同 ......
NAR | 华大和上海师范大学开发的基因组选择平台CropGS-Hub
目录主要内容小编碎碎念 几个月前就听说华大万物联合上海师范大学开发了基因组选择的工具CropGS，一直比较好奇。近日文章已经发表见刊，得以一窥究竟。 主要内容 以往的作物GWAS数据库集中在表型和基因型之间的关联，只有少数数据库充分利用表型和基因型资源来构建和托管农艺性状的基因组预测模型。如NHGR ......