综述了VANETs的特点，并总结了最近提出的基于生物启发式算法的VANET路由协议。重点分析了这些协议的关键特性、优点和缺点。然后还总结了生物启发式算法在VANETs中面临的挑战和未来的发展趋势。

版 《生物 稳态与环境 》第 4章第 2节 “种群数量的变化 ”中 “建构种群数量增长的模型 ”为例加以阐述 。1. 1模型准备 ———研究对象 , 提出问题在

微生物图像分类器 微生物图像分类的数据集和神经网络的集合。 贡献者： Sari Sabban-Tarik Alafif-Abdullah Alotebi 描述： 这是数据集和神经网络的集合，用于从显微镜图像中检测或分类微生物。 这里提供了所有必需的脚本，数据集和权重。 到目前为止，该项目可以检测或分类以下生物： Protists-17个属： 硬皮-胞囊菌-Lepocinclis-微囊虫-草履虫-idi草-松树皮-胸膜肺炎-扁桃体-沃尔沃-Ceratium-Coleps-Collodictyon-Didinium-Dinobryon-Frontonia-Phacus 变形虫： 只需检测通用细胞，即可区分其生命周期的活跃阶段和非活跃阶段。 线虫： 根据营养级别（CNN）对线虫进行分类，或者检测通用线虫（对象检测），或者逐像素检测线虫（语义分割）以进行生物量计算 可用的数据集和训

共现（co-occurrence network）网络分析日益成为微生物生态学分析中重要的组成部分，成为目前文章发表的热点技术。利用spearman相关性分析是构建共现网络的重要方法，但由于OTU table往往有成千上万行，用R自带的corr.test()函数计算较为费时，严重制约我们的分析速度。对spearman相关性分析进行并行化运行可大大节省计算时间，为此我们手写了spearman相关性分析函数来实现并行化运行。为方便讲解，本文以OTU table 数据为例，对OTU进行两两spearman相关性分析，获得相关系数r和显著性p值。我们将自己手写的函数network_construct()与psych包中的corr.test()函数两者运行时间和计算的结果进行了比较，我们自己的函数network_construct()计算时间远远少于corr.test()函数且结果相同，具体的R代码见下文。

中文生物医学自然语言处理（Chinese-BioNLP） 该项目旨在跟踪中文生物医学自然语言处理的进展，收集整理相关的论文列表和展示现存方法性能。 中文电子病历命名实体识别 中文电子病历命名实体识别（Chinese Clinical Named Entity Recognition, Chinese-CNER）任务目标是从给定的电子病历纯文本文档中识别并抽取出与医学临床相关的实体提及，并将它们归类到预定义的类别。下图展示了CCKS18 CNER评测数据的一个样例。 综述论文 方法论文 CCKS 2017 CCKS 2018 CCKS 2019 CCkS 2020

信息化教学设计案例_高中生物内环境的稳态.doc

NCBI BLAST+

给大家分享一套课程——Pytorch生物医学视觉深度学习课程（图像分类+语义分割+目标检测），共26章，提供课程配套的全部代码+课件+数据下载。 包括图像分类，语义分割，目标检测三大领域，共7个完整项目。

人工智人-家居设计-基于Stacking融合模型的生物医药板块智能选股方案研究.pdf

人工智人-家居设计-基于ARM9的多色光照智能生物培养系统的研究.pdf