关于DeepFam DeepFam是一种基于深度学习的无比对蛋白质功能预测方法。 DeepFam首先通过卷积层从原始序列中提取保守区域的特征，然后根据这些特征进行预测。 特征 免比对：不需要多重或成对序列比对来训练族模型。 取而代之的是，通过卷积单元和1-max池训练家庭中局部保留的区域。 卷积单元的工作方式与PSSM类似。 利用可变大小的卷积单元（多尺度卷积单元）来训练通常长度各异的特定于家庭的保守区域。 安装 DeepFam是在库中实现的。 CPU和GPU机器均受支持。 有关安装Tensorflow的详细说明，请参阅的。 要求 的Python：2.7 Tensorflow：超过1.0 用法 首先，克隆存储库或下载压缩的源代码文件。 $ git clone https://github.com/bhi-kimlab/DeepFam.git $ cd DeepFam 您可以通过帮

简介   Domain adaptation 可以解决不同域之间的偏移的问题。之前大多数的工作都没有考虑连续序列的问题，都是对于单一内容的。这篇文章中，作者提出了一个SSDAN的网络来做文本识别。其中的gateed attention similarity用来将源域和目标域的字符特征分布来对齐。对文本识别带来提升。 domain adaptation的好处   如何训练一个鲁棒的识别器能够很好地识别所有类型的字体？最直接的方法是使用所有类型的数据集来训练，拟合出一个很好地网络。但是数据集的标注需要巨大的消费，因此，如何无监督地使用数据集是一个很好地方法。使用domain adaptation是

bioinformatics is useful for computation and algorithms, as well as programming

下订单 单项练习

NER-Sequence-labeling--Textcnn-bilstm-crf-pytorch pytorch用Textcnn-bilstm-crf模型实现命名实体识别 数据处理 数据处理文件是'data_preprocess.py' 模型和训练过程 模型和训练过程都在同一个文件中‘cnn-bilistm-crf.py’ 预测 预测文件为‘predict.py’   数据 数据存在data文件夹中

Halton 序列生成器的 mex 文件。

sobol+matlab+代码Sobol_sequence_generator 这是一款使用 MATLAB 代码为阿尔伯塔大学刘思廷开发的硬件 Sobol 序列生成器生成 VHDL 文件的工具。 目前，它只有一个函数“direction_vector_generation.m”，用于生成 Sobol 序列生成器 [1] 中使用的方向向量数组。 更多代码即将推出。 如果使用代码，请引用我们的工作。 谢谢。 [1] S. Liu 和 J. Han，“Toward Energy Efficient Stochastic Circuits Using Parallel Sobol Sequences”，IEEE Transactions on Very Large Scale Integration (VLSI) Systems, vol. 26，没有。 7，第 1326-1339 页，2018 年 7 月。

OFDM传输、信道估计、PN序列、RS码实现、比较

本文介绍了一个Windows .NET控件，用于以UML顺序图的形式动态可视化对象及其交互。该控件具有类似于调试器的中断功能。另外，它提供了一个实际使用的示例，其中实时拦截和可视化了应用程序的执行

这个 m 文件找到了所有长度为 31 的 m 序列的周期 ACF。在这个程序中，生成了长度为 31 的 m 序列，并绘制了它的周期自相关函数。