蛋白质金属结合位点预测 投稿人：田秋，郑子涵，金文浩 生物学意义： 蛋白质及其结构是生命中生物学功能的关键。 通过翻译，核糖体将延长氨基酸序列链，这些氨基酸的物理化学特性及其相互依赖性使一级结构折叠成其复杂的三级结构。 一旦建立了结构，蛋白质结构可能会允许某些离子结合，这可能导致该结构通过构象变化更稳定，或有助于催化。 例如，锌指稳定结构，或血红素基团中离子的必要性，以使血红蛋白转运氧气。 另外，结合位点的序列和结构往往在整个世代中都被保守，并且来自蛋白质数据库（PDB）的大约1/3的蛋白质结构包含金属离子这一事实可能表明它显着干预了蛋白质的行为。 目标 ： 我们的兴趣是利用一个突出的神经网络来识别哪些金属与哪个序列结合，以及该金属与哪些氨基酸特异性结合。 我们的目标是将金属分类为准确度为95％的序列。 我们的目标是对哪些氨基酸与F1分数达75％的金属结合进行分类。 概述： [

直接序列扩频信号参数盲估计系统 估计载频、码速率、码周期等(Blind direct sequence spread spectrum signal parameters estimation system estimates the carrier frequency, code rate, code cycles, etc.)

时间序列预测 农产品格预测 完整代码+数据

沃伦-股票价格预测器 股市预测是试图确定公司股票或在交易所交易的其他金融工具的未来价值的行为。 成功预测股票的未来价格可能会产生可观的利润。 有效市场假说表明，股票价格反映了所有当前可用的信息，因此，任何不基于新发现信息的价格变化本质上都是不可预测的。 其他人则不同意，并且拥有这种观点的人拥有无数的方法和技术，据称它们可以获取未来的价格信息。 在这里，我们利用Facebook的时间序列预测算法Prophet，使用多变量，单步预测策略，实时预测美国公司的股票市场价格。 入门 从github下载或克隆项目 $ git clone https://github.com/nityansuman/wa

python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果 python实现ARIMA时间序列预测模型，附有示例数据以及完整流程的结果

雷达回波序列中弱小飞机目标检测跟踪数据集_宋志勇.caj

基于时间序列编辑距离的阿尔兹海默症辅助诊断，赵翼飞，李炜，计算机辅助诊断一直是机器学习中的热门领域，其中，阿尔兹海默症的辅助诊断对于该疾病的及早干预治疗有着重要意义。近年来，基于

Change MAC Address是一款可以帮助用户修改mac地址的工具，用户只需通过简单的操作，就可以通过该mac修改工具更改自己的mac地址。 软件功能特色： 1、显示您的网络适配器的 MAC 地址。 2、显示您的制造商的网络适配器。 3、更换MAC 地址与任何其他地址。 4、生成一个完全随机的 MAC 地址。 5、设置另一个制造商的 MAC 地址。 6、设置MAC 地址而无需更改制造商。

汉明距离 计算两个序列之间的。 在，汉明距离是相同长度的两个序列之间的差异数。 这些序列可以表示为字符串、二进制字符串或数组。 安装 $ npm install compute-hamming 要在浏览器中使用，请使用 。 用法 var hamming = require ( 'compute-hamming' ) ; 汉明（a，b[，访问器]） 计算两个序列之间的。 序列必须是等长strings或等长arrays 。 var a = 'this is a string.' , b = 'thiz iz a string.' ; var dist = hamming ( a , b ) ; // returns 2 var c = [ 5 , 23 , 2 , 5 , 9 ] , d = [ 3 , 21 , 2 , 5 , 14 ] ; dist = hamming (

htsprophet 使用先知的分层时间序列预测 感谢Rob J. Hyndman和研究伙伴，因为大部分代码是在他们的工作帮助下开发的。 归功于Facebook及其fbprophet软件包。 我的目的是使某些代码看起来与Prophet和（Hyndman）hts软件包中的某些部分相似。 正在下载 点安装htsprophet 如果您只想跳过对该程序包进行编码， runHTS.py应该可以帮助您，但是，如果您喜欢阅读，下面的内容应该可以帮助您了解我如何构建htsprophet以及它是如何工作的。 第一部分：数据 我最初使用Redfin流量数据来构建此程序包。 我提取了数据，以便日期在第一列中，层在中间列中，而我要预测的数字在最后一列中。 我制作了一个名为makeWeekly（）的函数，该函数将您的数据汇总到每周级别。 这不是必需的功能，对我来说主要只是方便。 因此数据如下所示：