DCNN用于表格数据 这项工作展示了我们在雷德黑德莱克黑德大学数据科学硕士课程的顶峰项目。 该项目使用不同大小范围的表格数据集，包括Connect4，Covertype，EEG，Letter识别，Hepmass-OS，Hepmass-NS，Hepmass-AS和HIGGS。 这项工作的目的是建立一个可用于表格数据的DCNN模型。 但是，众所周知，DCNN在图像分类方面具有出色的性能。 因此，我们决定制作一个将表格数据转换为图像的系统，随后将图像传递给DCNN模型进行分类。 这项研究工作是由很少的研究人员和编程人员执行的。 在所有这些产品中，我们设计的模型迄今为止可以提供最佳性能。 数据集： 我们已经对不同的数据集进行了实验，以检查模型的容量。 其中包括小型数据集（例如虹膜）到大型数据集（例如HIGGS）。 用于培训和测试的数据集分布如下： 方法： 加载数据集（connect4，cove

FlowCytometry工具 作者：乔纳森·弗里德曼（Jonathan Friedman）和（ FlowCytometryTools是一个python软件包，用于可视化和分析高通量流式细胞术数据。 直观：提供简单的程序化界面以处理流式细胞仪数据 灵活：可以分析单个样品或许多板的集合 可扩展：利用的力量简化对高通量数据的分析 这是给谁用的？ FlowCytometryTools适用于希望使用python编程语言来分析流式细胞仪数据的研究人员。 该软件包是专为高通量分析量身定制的。 它提供的界面可以直接与流式细胞仪测量的集合（例如96Kong板）一起使用。 建议您基本熟悉python编程语言。 您可以在页面中找到一些示例脚本来加载和绘制流式细胞术数据。 如果您喜欢所看到的内容，请进入页面，然后进入。 是的，有一个UI可以绘制基本的门。 这是超级基础，但可以完成工作。 特征

py水库 用于油藏工程计算的Python实用程序 PVT分析pvt 体积映射volumetrics 井测分析welltest 物料平衡matbal 下降曲线分析dca 流体流量fluid_flow 应用领域 pvt ：使用PVT相关性（ ）获得PVT属性； 处理PVT实验室实验，例如DL，CCE，闪光分析和CVD（ ）； EOS产生PVT属性和相位包络（ pvteos ） volumetrics ：使用体积梯形，金字塔形和辛普森1/3规则（ ）计算OOIP和OGIP welltest ：根据多速率或多个压力数据（ ）对井的瞬态响应进行建模； 对压降和积压数据进行简单的试井分析 matbal ：使用Schilthuis，van Everdingen-Hurst和Fetkovich方法（ ）计算含水层涌入水库； 天然气和石油储层的OOIP和OGIP验证的物料平衡图（

解决VRPTW的强化学习

焦炉石核心 PyRosetta Core中文教程，本教程由浅入深，讲解Rosetta的基本原理以及在PyRosetta中的应用实例。 贡献者： 吴炜坤@晶泰人工智能研发中心 翟珂@晶泰人工智能研发中心 张博文@晶泰人工智能研发中心 胡志运@晶泰人工智能研发中心实习生 3中文章节分配 成员可自行领取@all 大纲内容： 零，安装与入门介绍 0.0 0.1 0.2实用程序 一，Pose与Structure IO：负责介绍PyRosetta对结构文件的处理，以及Pose对象的重要作用@吴炜坤 相关的官方章节： : 进度：100％@吴炜坤 1个 1.1 1.2 1.3 1.4 1.5 1.6 二，能量函数与约束：介绍Rosetta的能量函数与物理约束 相关的官方章节： : 约束的API总结： ： 2.0 Atom模型 2.1能量项和得分函数 2.2约束 三，运动学与运动地

细胞姿态 细胞和细胞核分割的通用算法。 这段代码是由 Carsen Stringer 和 Marius Pachitariu 编写的。 要了解 Cellpose，请阅读或观看演讲。 如需支持，请打开一个问题。 如果您想为自己和其他人改进 Cellpose，请考虑通过内置 GUI 界面为您的一些图像提供手动分割（请参阅下面的说明）。 更新 v0.6（2020 年 12 月） Pytorch 现在是 cellpose 的默认深度神经网络软件。 仍将支持 Mxnet。 要安装 mxnet (CPU)，请运行pip install mxnet-mkl 。 要在笔记本中使用 mxnet，请在创建模型时声明torch=False ，例如model = models.Cellpose(torch=False) 。 要在命令行上使用 mxnet，请添加标志--mxnet ，例如python -m

自述文件 pithermalcam项目和随附的文档，该将MLX90640热像仪连接到Raspberry Pi。 （基于Pi 4） 设置主要基于和并基于中的作品进行。 非常感谢这些人的出色工作。 有关该项目的完整详细信息，请访问 ，包括全面的硬件/软件设置，安装，使用说明以及可能的结果示例。 此处仅包括用于开发目的的粗略概述。 手动安装/设置 本节仅讨论软件设置，并假设您已设置硬件，正确连接MLX90640，打开I2C并将I2C波特率提高到400k。 请参阅上面的完整详细信息链接，以获取有关硬件和软件安装的详细说明。 以下安装用于库的手动操作。 对于从PyPi安装Pip，请跳过以下内容，只需执行pip3 install pithermalcam 。 使用apt-get安装以下各项：libatlas-base-dev python-smbus i2c-tools 使用以下任一方法安装

二手车价格预测 描述： 通常，新车的价格由制造商确定，因此可以确保质量。 对于二手车而言，情况并非如此，在这种情况下，客户容易被假冒公司欺骗，并为价值较低的汽车支付更高的价格。 我们的想法是实现不同的机器学习算法，这些算法根据车辆的状况，进入年份，制造商，型号等特征预测价格。它有助于客户了解市场上的买卖价格。

/ *日期：2018年5月7日作者：Raj Mehrotra * / 来自kaggle的“红酒质量”数据集。 数据集包含有关葡萄酒样品的详细信息，以及说明葡萄酒中不同化学物质浓度的不同特征。 目标变量是0-10的葡萄酒质量。 我首先探索并分析了数据，并使用了熊猫，matplotlib，seaborn库进行了可视化，并研究了不同类别和数字特征的分布。 然后，我清理了数据并准备好进行建模。然后，我还使用sklearn提供的StandardScaler缩放了所有数字功能以实现更好的性能。 最后，我从scikit学习中使用了不同的ML算法，包括SVM，RandomForest等。 我还使用GridSearchCV函数调整了所有算法的参数。 最后，通过使用带有“ rbf”内核和参数“ C”和“ gamma”的调整值的支持向量机，我在数据集上的精度为0.9175。

我的代码首先受到启发 https://github.com/CuthbertCai/pytorch_DANN 神经网络领域专家训练 https://arxiv.org/pdf/1505.07818.pdf implement Domain-Adversarial Training of Neural Networks by pytorch 数据集 mnist mnist_m 从下载 结果 原始纸 我的实施 仅来源 0.52 0.5 丹恩 0.766 0.82〜0.83 去做 尝试更好地调整玩具示例 使用较少的参数来训练模型