单细胞-rcc-管道 用于分析手稿“单细胞 VIPER 识别复发相关肾肿瘤巨噬细胞”的单细胞 ccRCC 数据的数据文件和代码。 包括手稿中使用的 VIPER 单细胞蛋白质活性推理管道的代码。 “singlecell_gex_viper_analysis.R”包含将基因表达聚类作为第一步的单细胞 ARACNe/VIPER 管道、新颖的聚类算法（通过二次采样轮廓评分选择最佳分辨率的 louvain）、用于细胞类型识别的 singleR 和 InferCNV。 ARACNe 在逐个患者的基因表达簇元细胞上运行，而 metaVIPER 与所有患者衍生的 ARACNe 网络一起运行，并在所有患者中结合批量校正的元细胞基因表达特征，使用 Seurat SCTransform Pipeline 计算。 脚本包括基因表达和 VIPER 级聚类、差异表达和受体配体推断的代码，结合所有 scRNASeq

在这篇演讲中，我将介绍因果人工智能(因果结构学习、因果推理、反事实推理、因果表征学习和因果迁移学习)在解决计算机系统中几个重要而突出的挑战方面的最新进展。接下来，我将介绍我们的因果AI方法，用于在高度可配置的组合系统中进行鲁棒的性能工程(性能调试、性能优化和性能预测)。特别地，我将介绍在设备上ML系统和大数据分析管道中识别和修复性能故障的最新结果。最后，我将讨论因果AI在测试自主机器人和动态重构无服务器系统和微服务方面的未来方向和机会。 视频地址： https://www.youtube.com/watch?v=csB_cF6MA9A

格兰杰因果matlab代码时间序列中的Granger因果推理，用于识别睡眠中的分子指纹 该存储库包含在SLIMMBA项目中实现的代码（通过呼吸分析监测睡眠和光诱导代谢）。 我们使用格兰杰因果关系的概念研究了代谢与睡眠之间的依赖性，并设计了一种基于神经网络和自举法推断非线性格兰杰因果关系的技术。 通常，我们考虑的问题可以如下形式化。 我们假设我们获得了从不同实验单位（在这种情况下为单个个体，即受试者）检索到的多元时间序列的N个副本。 这些多元时间序列包括： 分类值目标变量Y ，代表T个时间段内的睡眠阶段。 M个连续值的离子强度时间序列X j ，其中j = 1，...，M 。 然后的目的是鉴定与睡眠阶段相关的代谢产物，即驱动睡眠阶段的代谢产物和由该阶段驱动的代谢产物。 贡献者 RičardsMarcinkevičs（） ĐorđeMiladinović（） 背景 人类睡眠与新陈代谢之间的关系尚未得到系统的研究和充分理解。 我们在格兰杰因果关系的框架下研究了睡眠阶段与呼气质谱之间的关系。 我们使用可扩展的神经网络方法来推断连续值和分类值变量之间的非线性Granger因果关系。 我们在具有不同

Judea Pearl的2018年新书，关于Causal Inference。是一本科普书，但是内容挺翔实的，是本不错的因果推理入门。

深度双分辨率网络，可实时，准确地对道路场景进行语义分割 介绍 这是的非官方代码。 在单个2080Ti GPU上，DDRNet-23-slim在109 FPS的Cityscapes测试装置上可产生77.4％的mIoU，从而在城市景观和camvid的精度和速度之间实现了最先进的权衡，而无需使用推理加速和额外的数据！在CamVid测试装置上以230 FPS时有74.4％的mIoU。 该代码主要来自和，感谢他们的工作。 要求 在这里列出了实验中使用的软件和硬件 pytorch == 1.7.0 3080 * 2 cuda == 11.1 快速开始 0.数据准备 您需要下载数据集。 并重命名cityscapes文件夹，然后将数据放在data文件夹下。 └── data ├── cityscapes └── list 1.预训练模型 从imagenet上下载预训练模型或从那里下载分割模

近年来，机器学习技术飞速发展，并在自然语言处理、图像识别、搜索推荐等领域得到了广泛的应用。然而，现有大量开放部署的机器学习模型在模型安全与数据隐私方面面临着严峻的挑战。

20210808-申港证券-汽车行业周报：自动驾驶订阅服务现状及终局推断.pdf

TMH_insertion_energy 从具有已知螺旋位置的参考序列推断 TMH 插入能量 数据 文件夹/文件 描述 reference_sequences 参考序列和相应的 HHM-profiles sequences fasta 格式的序列 profiles 使用 hhblits 针对 UniRef30 数据库创建的 HHM 配置文件 hhalign_X 每个轮廓与参考轮廓 X 的 HMM-HMM 对齐 dgpred_results 推断的螺旋和相应的 dgpred 能量计算 sequences.fasta 一个 fasta 文件中的所有序列 TMH_insertion_energies.xlsx 19 个残基窗口和全长螺旋的能量值和序列 脚本 python3 脚本fasta_to_helices.py将 fasta 格式的序列列表、相应的 HMM-profiles

本书是张忠占和傅莺莺翻译的，较为全面的讲解了统计学知识，涉及概率论、点估计、假设检验等知识点。该书是国外高校优秀教材，是学习统计学知识基础书籍。

基于微流控芯片的72重单核苷酸多态性族群推断系统的构建.pdf