多元标定中基于变量空间连续收缩的混合变量选择策略https://doi.org/10.1016/j.aca.2019.01.022
近红外光谱多元分析中的变量选择方法概述https://doi.org/10.1016/j.trac.2019.01.018
在本研究中，我们提出了一种基于变量空间连续收缩的混合变量选择策略，这是变量组合种群分析（VCPA）的核心思想。 基于VCPA的混合策略在第一步中不断地将变量空间从大到小收缩，并在修改后的VCPA的基础上进行优化。 然后，它采用迭代保留信息变量 (IRIV) 和遗传算法 (GA) 在第二步中进行进一步优化。 它充分利用了 VCPA、GA 和 IRIV，弥补了它们在变量数量多时的不足。 三个 NIR 数据集和三个变量选择方法，包括两种广泛使用的方法（竞争性自适应重加权采样、CARS 和遗传算法-区间偏最小二乘法、GA-iPLS）和一种混
2021-11-17 14:42:38
788KB
1
snRNAseq_bulkRNAseq_DEG_analysis
RNAseq数据元分析的管道（Mathys-Grubman-GSE95587）
2021-09-13 11:34:15
1.9MB
1
matlab最简单的代码基于CNN的水果分类示例
这些代码是作为论文“卷积神经网络应用于水果图像处理的回顾”，Applied
Sciences，10（10）：3443（2020）的一部分而实现的。
为了说明使用一些可用工具来开发CNN的方法，我们展示了水果分类和质量控制示例的实现。
另外，使用众所周知的预训练模型实现了相同的示例，以便说明使用转移学习的另一种解决方案。
重要的是要记住，这些示例的目的只是以最简单的方式显示如何针对特定任务实现CNN模型。
因此，建议的示例未进行优化，因此提出了非常简单的解决方案，以使其易于理解。
为了便于比较和讨论，您可以阅读我们的论文。
分别使用TensorFlow
[99]和深度学习工具箱[102]在Python和MATLAB中对实现进行了编码。
对源代码进行了注释，并提供了描述性信息，也可以在我们的实验室LITRP（）网站上在线获得这些代码。
如何引用
请随时使用我们的代码并按如下方式引用我们：
纳兰霍-托雷斯（J.
莫拉（Mora）；
Hernández-García，河；
巴里恩托斯（RJ）；
弗雷德斯角;
Valenzuela，A。卷积神经网
2021-07-02 15:07:55
2.69MB
1
工具简介：
文献下载工具 SciHub Desktop。
使用方法：
只用输入所需文献的 DOI 号，即可一键获取 PDF 全文，即使在所有 sci-hub.xx 域名都用不了的时候也能正常下载很多文献的全文。
软件特点：
（1）后台监听系统粘贴板，并智能提取DOI 。
（2）自动调用默认浏览器下载全文，最大程度降低对用户电脑的威胁。
2020-02-14 03:12:52
439KB
1