同源搜索是生物信息学在分子生物学，蛋白质功能分析和药物开发领域的巨大应用。
为了在不断增长的数据库中执行批量搜索，基本方法是对每个原始查询运行Blast或通过将它们分组在一起来串联查询。
本文提出了一种增强的具有序列压缩和聚类的蛋白质同源性批量搜索算法（C2-BLASTP），该算法利用了查询序列和数据库之间的联合信息。
在C2-BLASTP中，查询和数据库首先通过冗余分析进行压缩。
然后根据子序列相似度对数据库进行聚类。
此后，可以在群集数据库中实现命中查找。
此外，基于潜在的命中结果来重建最终执行数据库，以减轻序列数据库不断扩大的规模。
最后，在执行数据库中进行同源批搜索。
在NCBINR数据库上进行的实验证明，在同源性准确性，搜索速度和内存使用方面，C2-BLASTP对于同源性批量搜索的有效性。

非常好的分子生物学软件。
而且是破解版的。
还是中文版的哦。

深度学习不断增长的能源耗费和性能成本，促使社区通过选择性修剪组件来减少神经网络的规模。
与生物学上的相似之处是，稀疏网络即使不能比原来的密集网络更好，也能得到同样好的推广。

该资源为2001-2011年中国科学院生物化学与分子生物学考研真题，资源高清无水印哦!该资源为2001-2011年中国科学院生物化学与分子生物学考研真题，资源高清无水印哦!

难得的中文教程省去了啃英文的时间这个教程为新用户介绍了VMD的用法。
老用户也可以用本教程进一步熟悉程序的应用，以更好地利用VMD。
本教程是针对VMD1.8.3设计的，需要约3个小时来完成。
本教程新增的内容可用三个独立的单元讲解。
第一个单元主要内容是分子图形表现方法基础，还会介绍制作形象逼真的图像要了解的知识。
另外的两个单元是针对高级用户，介绍了VMD的脚本。
尽管非技术性用户可以略去脚本的阅读，但是我们鼓励每个人都去试一试着读一下，因为它会提供一些有力而易用的工具，这些工具是简单的图形用户界面所无法提供的。
本教程以一种有趣的小蛋白质泛素的研究为例来说明VMD的应用。
在本文中，一些资料是在小框中出现的。
这些小框中包括教程的补充内容，例如泛素扮演的生物学角色，使用VMD的一些提示和捷径等等

遗传算法工具箱MATLAB示例代码，遗传算法，模拟达尔文进化论的自然选择和遗产学机理的生物进化构成的计算模型，一种不断选择优良个体的算法。
谈到遗传，想想自然界动物遗传是怎么来的，自然主要过程包括染色体的选择，交叉，变异（不明白这个的可以去看看生物学），这些操作后，保证了以后的个基本上是最优的，那么以后再继续这样下去，就可以一直最优了。

本书作者EricFreeman；
ElElisabethFreeman是作家、讲师和技术顾问。
本书的产品设计应用神经生物学、认知科学，以及学习理论，这使得这本书能够将这些知识深深地印在你的脑海里，不容易被遗忘。
本书的编写方式采用引导式教学。
以大量的生活化故事当背景，以图片做背景，阅读起来生动有趣。
书中模式告白节目，将设计模式拟人化成节目来宾，畅谈其内在的一切。
本书大量采用uML的classDiagram(StaticStructureDiagram)。

MATLAB能做什么MATLAB是一个可视化的计算程序，被广泛地使用于从个人计算机到超级计算机范围内的各种计算机上。
MATLAB包括命令控制、可编程，有上百个预先定义好的命令和函数。
这些函数能通过用户自定义函数进一步扩展。
MATLAB有许多强有力的命令。
例如，MATLAB能够用一个单一的命令求解线性系统，能完成大量的高级矩阵处理。
MATLAB有强有力的二维、三维图形工具。
MATLAB能与其他程序一起使用。
例如，MATLAB的图形功能，可以在一个FORTRAN程序中完成可视化计算。
25个不同的MATLAB工具箱可应用于特殊的应用领域。
MATLAB在以下的领域里解决各种问题是一个十分有效的工具：•工业研究与开发。
•数学教学，特别是线性代数。
所有基本概念都能涉及。
•在数值分析和科学计算方面的教学与研究。
能够详细地研究和比较各种算法。
•在诸如电子学、控制理论和物理学等工程和科学学科方面的教学与研究。
•在诸如经济学、化学和生物学等有计算问题的所有其他领域中的教学与研究。
•在MATLAB中创建的组是矩阵，MATLAB的名字取自矩阵实验室(MATrixLABoratory)。

目录第1章线性神经网络的工程应用1.1系统辨识的MATLAB实现1.2自适应系统辨识的MATLAB实现1.3线性系统预测的MATLAB实现1.4线性神经网络用于消噪处理的MATLAB实现第2章神经网络预测的实例分析2.1地震预报的MATLAB实现2.1.1概述2.1.2地震预报的MATLAB实例分析2.2交通运输能力预测的MATLAB实现2.2.1概述2.2.2交通运输能力预测的MATLAB实例分析2.3农作物虫情预测的MATLAB实现2.3.1概述2.3.2农作物虫情预测的MATLAB实例分析2.4基于概率神经网络的故障诊断2.4.1概述2.4.2基于PNN的故障诊断实例分析2.5基于BP网络和Elman网络的齿轮箱故障诊断2.5.1概述2.5.2基于BP网络的齿轮箱故障诊断实例分析2.5.3基于Elman网络的齿轮箱故障诊断实例分析2.6基于RBF网络的船用柴油机故障诊断2.6.1概述2.6.2基于RBF网络的船用柴油机故障诊断实例分析第3章BP网络算法分析与工程应用3.1数值优化的BP网络训练算法3.1.1拟牛顿法3.1.2共轭梯度法3.1.3LevenbergMarquardt法3.2BP网络的工程应用3.2.1BP网络在分类中的应用3.2.2函数逼近3.2.3BP网络用于胆固醇含量的估计3.2.4模式识别第4章神经网络算法分析与实现4.1Elman神经网络4.1.1Elman神经网络结构4.1.2Elman神经网络的训练4.1.3Elman神经网络的MATLAB实现4.2Boltzmann机网络4.2.1BM网络结构4.2.2BM网络的规则4.2.3用BM网络解TSP4.2.4BM网络的MATLAB实现4.3BSB模型4.3.1BSB神经模型概述4.3.2BSB的MATLAB实现第5章预测控制算法分析与实现5.1系统辨识5.2自校正控制5.2.1单步输出预测5.2.2最小方差控制5.2.3最小方差间接自校正控制5.2.4最小方差直接自校正控制5.3自适应控制5.3.1MIT自适应律5.3.2MIT归一化算法第6章改进的广义预测控制算法分析与实现6.1预测控制6.1.1基于CARIMA模型的JGPC6.1.2基于CARMA模型的JGPC6.2神经网络预测控制的MATLAB实现第7章SOFM网络算法分析与应用7.1SOFM网络的生物学基础7.2SOFM网络的拓扑结构7.3SOFM网络学习算法7.4SOFM网络的训练过程7.5SOFM网络的MATLAB实现7.6SOFM网络在实际工程中的应用7.6.1SOFM网络在人口分类中的应用7.6.2SOFM网络在土壤分类中的应用第8章几种网络算法分析与应用8.1竞争型神经网络的概念与原理8.1.1竞争型神经网络的概念8.1.2竞争型神经网络的原理8.2几种联想学习规则8.2.1内星学习规则8.2.2外星学习规则8.2.3科荷伦学习规则第9章Hopfield神经网络算法分析与实现9.1离散Hopfield神经网络9.1.1网络的结构与工作方式9.1.2吸引子与能量函数9.1.3网络的权值设计9.2连续Hopfield神经网络9.3联想记忆9.3.1联想记忆网络9.3.2联想记忆网络的改进9.4Hopfield神经网络的MATLAB实现第10章学习向量量化与对向传播网络算法分析与实现10.1学习向量量化网络10.1.1LVQ网络模型10.1.2LVQ网络学习算法10.1.3LVQ网络学习的MATLAB实现10.2对向传播网络10.2.1对向传播网络概述10.2.2CPN网络学习及规则10.2.3对向传播网络的实际应用第11章NARMAL2控制算法分析与实现11.1反馈线性化控制系统原理11.2反馈线性控制的MATLAB实现11.3NARMAL2控制器原理及实例分析11.3.1NARMAL2控制器原理11.3.2NARMAL2控制器实例分析第12章神经网络函数及其导函数12.1神经网络的学习函数12.2神经网络的输入函数及其导函数12.3神经网络的性能函数及其导函数12.3.1性能函数12.3.2性能函数的导函数第13章Simulink神经网络设计13.1Simulink交互式仿真集成环境13.1.1Simulink模型创建1

机械手是一种典型的机电一体化产品，工业机器人手臂是机械手研究领域的热点。
研究工业机器人手臂需要结合机械、电子、信息论、人工智能、生物学以及计算机等诸多学科知识，同时其自身的发展也促进了这些学科的发展。
本文对一种使用在工业机器人手臂的结构进行设计，并完成总装配图和零件图的绘制。
要求对机械手模型进行力学分析，估算各关节所需转矩和功率，完成电机和减速器的选型。
其次从电机和减速器的连接和固定出发，设计关节结构，并对机构中的重要连接件进行强度校核。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。