分子识别特征（MoRF）是内在无序蛋白（IDP）的关键功能区域，它们在细胞的分子相互作用网络中起重要作用，并与许多严重的人类疾病有关。
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
鉴定MoRF对于IDP的功能研究和药物设计都是必不可少的。
本研究采用人工智能的前沿机器学习方法，为改进MoRFs预测开发了强大的模型。
我们提出了一种名为enDCNNMoRF（基于集成深度卷积神经网络的MoRF预测器）的方法。
它结合了利用不同特征的两个独立的深度卷积神经网络（DCNN）分类器的结果。
首先，DCNNMoRF1使用位置特定评分矩阵（PSSM）和22种氨基酸相关因子来描述蛋白质序列。
第二种是DCNNMoRF2，它使用PSSM和13种氨基酸索引来描述蛋白质序列。
对于两个单一分类器，都采用了具有新颖的二维注意机制的DCNN，并添加了平均策略以进一步处理每个DCNN模型的输出概率。
最后，enDCNNMoRF通过对两个模型的最终得分进行平均来组合这两个模型。
当与应用于相同数据集的其他知名工具进行比较时，新提出的方法的准确性可与最新方法相媲美。
可以通过http://vivace.bi.a.utokyo.ac.jp:8008/fang
2025/10/29 10:38:37
1.56MB
《matlabgui设计学习手记(第2版)》首先介绍了gui设计的预备知识；
然后详细讲解了gui对象的属性及两种创建gui的方法：采用函数创建和采用guide创建；
之后深入讲解了activex控件、定时器、串口及mcc编译的相关知识；
最后，书中给出两个综合实例，供读者研究学习。
书中穿插了大量的图表和例题，方便读者边查边练。
《matlabgui设计学习手记(第2版)》适合需要短时间内迅速掌握matlabgui设计的初学者，也可作为相关专业师生或工程开发人员的参考手册。
第1章GUl设计预备知识第2章文件1／O第3章二维绘图简介第4章句柄图形系统第5章预定义对话框第6章采用GUIDE建立GUI第7章ActiveX控件第8章定时器第9章串口编程第10章mcc编译第11章综合实例附录MATLABGUI设计常用函数
然后详细讲解了gui对象的属性及两种创建gui的方法：采用函数创建和采用guide创建；
之后深入讲解了activex控件、定时器、串口及mcc编译的相关知识；
最后，书中给出两个综合实例，供读者研究学习。
书中穿插了大量的图表和例题，方便读者边查边练。
《matlabgui设计学习手记(第2版)》适合需要短时间内迅速掌握matlabgui设计的初学者，也可作为相关专业师生或工程开发人员的参考手册。
第1章GUl设计预备知识第2章文件1／O第3章二维绘图简介第4章句柄图形系统第5章预定义对话框第6章采用GUIDE建立GUI第7章ActiveX控件第8章定时器第9章串口编程第10章mcc编译第11章综合实例附录MATLABGUI设计常用函数
2025/10/29 4:26:03
45.69MB
在云中渲染Blender3D场景（使用Docker）一个简单的Web应用程序，可使用自定义文本呈现3D场景。
使用dockerrun-p8080:8080gcr.io/as-a-service-dev/renderAPI网址参数：text：要渲染的文本，默认为HELLO。
scene：要渲染的.blend文件的名称（不带扩展名），默认为basic，其他受支持的值是outrun和outrun-filter。
示例：/?text=OUTRUN&scene=outrun带上自己的3D场景：创建一个Blender场景，您的场景必须包含一个名称为Text的文本对象，将您的.blend文件添加到models/文件夹中，在本地运行服务器使用dockerbuild.-trenderdockerbuild.-trender从dockerrun-p8080:8080render在浏览器中打开http://localhost:8080/?text=Hey
使用dockerrun-p8080:8080gcr.io/as-a-service-dev/renderAPI网址参数：text：要渲染的文本，默认为HELLO。
scene：要渲染的.blend文件的名称（不带扩展名），默认为basic，其他受支持的值是outrun和outrun-filter。
示例：/?text=OUTRUN&scene=outrun带上自己的3D场景：创建一个Blender场景，您的场景必须包含一个名称为Text的文本对象，将您的.blend文件添加到models/文件夹中，在本地运行服务器使用dockerbuild.-trenderdockerbuild.-trender从dockerrun-p8080:8080render在浏览器中打开http://localhost:8080/?text=Hey
2025/10/28 22:48:40
415KB
1、MATLAB下Kdtree求点云数据边缘点。
2、dianyun.txt为点云文件，需要更换点云文件时直接替换就行。
3、直接运行dianyun.m文件即可求出点云边缘。
2、dianyun.txt为点云文件，需要更换点云文件时直接替换就行。
3、直接运行dianyun.m文件即可求出点云边缘。
2025/10/28 22:09:07
40KB
Thisisthemostrecentmaintainedbuild.Itwasreleased1dayago,on2020-01-13.
2025/10/28 20:27:30
44.18MB
BP神经网络关于空气污染物含量预测，用MATLAB来实现的。
使用MATLAB编程计算:clo,clear,closea11lond('p.mat')%加载数输出变量load('T.mat')》加载数据当创建一个BP神经网络，每个输入向量的取值范围为10,11,隐含层有7个神经元，输出层有一个3神经元，隐含层的激活函数为tansig,输出层的激活函数为purelin,训练函数为trainc函数
使用MATLAB编程计算:clo,clear,closea11lond('p.mat')%加载数输出变量load('T.mat')》加载数据当创建一个BP神经网络，每个输入向量的取值范围为10,11,隐含层有7个神经元，输出层有一个3神经元，隐含层的激活函数为tansig,输出层的激活函数为purelin,训练函数为trainc函数
2025/10/28 18:30:29
12KB