细节增强的matlab代码DMFLDA2
这是一个深度学习框架，可通过整合线性和非线性特征来增强用于预测lncRNA-疾病关联的传统矩阵分解方法。
要求
tensorflow
==
1.3.0
numpy
==
1.11.2
scikit-learn
==
0.18
scipy
==
0.18.1
用法
在这个GitHub项目中，我们提供了一个演示来展示DMFLDA的工作原理。
在data_processing文件夹中，我们提供了我们在研究中使用的以下数据集。
lda_interMatrix.mat是具有matlab格式的原始lncRNA-疾病相互作用矩阵。
它的形状是577个lncRNA
x
272种疾病。
matrix.npy是numpy格式的lncRNA-疾病相互作用矩阵。
data.pkl用于存储采样的正样本和负样本。
u_feature.npy是我们研究中使用的SVD技术的U矩阵，其形状为577x64。
v_feature.npy是我们研究中使用的SVD技术的V矩阵，其形状为272x64。
在我们的演示中，我们提供了留一法的交叉验证来评估我们的模型。
您可以使用cross_v
2022-07-01 16:04:49
864KB
1
机器人识别
工业机器人的实时非线性参数识别。 代码包括用于单批次优化的度量和算法。 该贡献已提交给IROS2021。该代码具有三个入口点：
MASTER_identification 根据记录的运动开始识别参数。
MASTER_create_symbolic_robot 计算机器人模型的符号解，包括惯性，重力载荷和科里奥利矩阵。 仅当更改了机器人型号时才需要。
MASTER_create_traj_for_robot 生成在目标系统上执行所需的轨迹和数据。 仅当在机器人上设计并执行新的实验外壳时才需要。
乔纳斯·韦根（Jonas Weigand） 凯撒斯劳滕工业大学研究员，机床和控制系统主任以及位于德国凯撒斯劳滕（Kaiserslautern）的德国人工智能研究中心。 2021年3月
要求
所有算法都在MATLAB中运行。
surrogateopt求解器需要MATLAB全球优化
2022-06-27 14:11:19
146.39MB
1