通过考虑与速率常数参数和动力学模型结构误差相关的不确定性，在该研究中使用贝叶斯推断来评估α-pine烯的热异构化速率同意的后验分布。 α-pine烯的热异构化动力学模型显示具有数学上不适的系统，这使得难以应用基于梯度的优化方法进行速率常数评估。 贝叶斯推断将速率常数的后验概率分布与满足实验测量浓度的反应产物模型浓度和参数的先验概率分布的似然概率相关联。 马尔可夫链蒙特卡洛（MCMC）用于从后验分布中抽取样本，同时考虑贝叶斯推断关系。 本研究应用多项式随机游走Metropolis-Hastings来构建速率常数，置信区间和相关系数矩阵的直方图。 结果表明，考虑到不确定性，贝叶斯方法可以成功地应用于估计反应模型速率常数的置信区间。

针对用BaumWelch算法训练隐马尔可夫模型用于序列比对算法的搜索空间有限性容易陷入局部最优点的缺陷，提出一种用量子粒子群优化算法训练隐马尔可夫模型的生物多序列比对新方法。该方法克服了BaumWelch算法在收敛性能上的缺陷，在整个可行解空间中进行搜索。从BaliBASE数据库中选取测试例子进行数值实验，实验结果表明，所提算法优于BaumWelch算法，对标准例子进行的实验证明了算法的有效性。

铁威马TerraMaster T-Cloud V1.8-整理旧文件翻出来，铁威马F2-NAS2适用

脱裤打包 php马

马明PHP框架之ThinkPHP项目CMS内容管理系统源码+文档_dichenghao

中文名: Python技术手册 (第2版) 原名: Python in a Nutshell, 2nd Edition 作者: (美)马特利译者: 程胜 杨萍 资源格式: PDF 版本: 扫描版 出版社: 人民邮电出版社书号: 9787115225832发行时间: 2010年06月01日 地区: 大陆 语言: 简体中文 简介: 编辑推荐 程序员最依赖的信息提供了可靠而实际的快速参考和实用手册。 amazon网站Python类图书销量排名第一 全面介绍Python程序开发专业知识 内容简介 本书是一本全面介绍有关Python语言和Python程序开发专业知识的参考手册。书中详细介绍了Python开发工具的安装和使用、Python语言的语法结构、Python内置对象、库和模块以及Python与其他语言的扩展和嵌入，并专门介绍了有关Python网络和Web编程的内容和实例。本书列举了Python对象和模块中提供的所有类型、方法和函数，并辅以适当的示例，系统地展示了Python包含的功能及其使用方法。 　　本书的内容面向Python语言的各层次用户，可以为不同层次的读者提供相应的信息。针对从其他编程语言转到使用Python语言的程序员，本书还重点介绍了Python的跨平台功能。 　　本书为Python程序员提供了丰富的参考信息，当Python程序员需要在回忆或解读这种开源语言的语法及其众多强大的功能模块时，可能会因缺少文档而需要获得帮助，这时可以参考本书中的内容。这奉技术手册可以用来方便地查找经常需要使用的信息，这些信息不仅仅是关于Python语言本身，还包括最常使用的一部分标准库和最重要的第三方扩展。 　　本书内容包括： 　　Python语言语法的快速指南： 　　Python面向对象编程的说明； 　　迭代器、生成器、异常、模块、包、字符串和正则表达式； 　　Python的内置类型和函数，以及关键模块的快速参考； 　　重要的第三方扩展的参考资料，比如Numeric和TKinter 　　有关扩展和嵌入Python的信息。 作者简介 Alex Martelli是Python软件基金会的成员之一，他在位于美国加利福尼亚州山景城的Google公司工作，是公司的Uber Tech Lead。在加入Google之前，Alex在IBM研究中心工作了8年，荣获了3次“杰出技术成就奖”。 目录: 第1部分 Python入门指南 第1章 Python简介 第2章 安装 第3章 Python解释器 第2部分 核心Python语言和内置对象 第4章 Python语言 第5章 面向对象的Python 第6章 异常 第7章 模块 第8章 核心内置 第9章 字符串和正则表达式 第3部分 Python库和扩展模块 第10章 文件和文本操作 第11章 持久化和数据库 第12章 时间操作 第13章 控制执行 第14章 线程和进程 第15章 数值处理 第16章 数组处理 第17章 Tkinter GUI 第18章 测试、调试和最优化 第4部分 网络和Ｗeb编程 第19章 客户端网络协议模块 第20章 套接字和服务器端网络协议模块 第21章 CGI脚本和其他解决方案 第22章 MIME和网络编码方式 第23章 结构化文本：HTML 第24章 结构化文本：XML 第5部分 扩展和嵌入 第25章 扩展和嵌入经典Python 第26章 扩展和嵌入Jython 第27章 发布扩展和程序

很好用 不解释

灰色预测是一种对含有不确定因素的系统进行预测的方法。灰色预测通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反映预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。基本思想： ARIMA模型的全称叫做自回归移动平均模型，全称是(ARIMA, Autoregressive Integrated Moving Average Model)。也记作ARIMA(p,d,q)，是统计模型(statistic model)中最常见的一种用来进行时间序列 预测的模型。 基本步骤： 1）导入实验数据。2)确定ARMA模型阶数。3)残差检验。4)给出结果 微分方程模型是我们在日常生活中比较常见并且比较重要的一种模型，我们在平时的课程中时经常会涉及到这种题型，像比如我们所遇到的牛顿第二定律就常遇到相关的问题。适用于基于相关原理的因果预测模型，大多是物理或几何方面的典型问题，假设条件，用数学符号表示规律,

提供《马昌凤-最优化方法及其MATLAB程序设计》电子非扫描版，含目录索引

博客详情请见：http://blog.csdn.net/qq_34802416/article/details/78578447