建立QSAR MOdel以预测分子抑制与Alheimer's Beta_Secratese 1相关的靶蛋白的能力 通过Abolaji Shiwoku 背景 药物发现是一个漫长的过程，而且成本高昂，平均需要12年的时间，耗资100亿美元。旧的过程依赖于科学家或制药公司的专业知识或过去的实验知识来设计可能会或可能不会在目标基因或蛋白质上表现出所需特性的化合物。现在拥有数十年的过去实验数据，我们可以应用机器学习来构建预测模型，该模型可以预测化合物的生物活性，以帮助加快药物靶标的选择。这些工具在降低研究费用，加快临床研究，为患病者带来更多有用药物方面可能是无益的。制药公司正在意识到使用过去的实验数据来更好地预测化合物的化学特征的力量。随着强大的机器学习工具应用于化学数据，我们可以使用这些模型来监督重要的化学蛋白质活性，尤其是在制造新型化合物方面取得了进步。 QSAR（定量结构活性关系）模型可帮助

嘿嘿，这个可是我从俄国某ftp网站上找到的，只要3分已经是很少了-_-!搞Windows内核的一般都从驱动起步，菜鸟必备，对高手也有参考价值。

js 实现模态框

GMM-GMR是一组Matlab函数，用于训练高斯混合模型（GMM）并通过高斯混合回归（GMR）检索广义数据。 它允许通过使用期望最大化 (EM) 迭代学习算法对高斯混合模型 (GMM) 中的任何数据集进行有效编码。 通过使用此模型，高斯混合回归 (GMR) 可用于通过指定所需输入来检索部分输出数据。 然后它作为一个泛化过程，计算关于部分观察数据的条件概率。 提供了一个样本来加载包含多个轨迹数据[t，x]的数据集，其中t是时间值，x是3D中的位置。 然后在 GMM 中对联合概率 p(t,x) 进行编码，GMR 用于检索 p(x|t)，即每个时间步的预期位置。 这用于检索提供的轨迹的平滑广义版本。 源代码是EPFL/CRC Press 出版的“Robot Programming by Demonstration: A Probabilistic Approach”一书中描述的算法的实现

Jim Wilkes 教授提供了管道中水平流的体积流量与施加的压力梯度的代表性值 [1]。 管道半径等于 0.01 m。 我们使用这些代表值，结合使用 Mathematica 确定的体积流量的解析表达式，来计算幂律和宾汉流体的本构方程的参数。 参考： [1] Wilkes, JO，化学工程师的流体力学，Prentice Hall，Upper Saddle 河，1999。 如需使用 Mathematica 进行处理，请访问以下链接： http://library.wolfram.com/infocenter/Articles/6739/ http://library.wolfram.com/infocenter/MathSource/5152/

YoloV5-ncnn-Raspberry-Pi-4 带有ncnn框架的YoloV5。 论文： ： 专为裸露的Raspberry Pi 4制作，请参阅 基准。 模型 杰特逊纳米2015 MHz RPi 4 64-OS 1950兆赫 YoloV2（416x416） 10.1帧/秒 3.0帧/秒 YoloV3（352x352）微小 17.7帧/秒 4.4 FPS YoloV4（416x416）微小 11.2 FPS 3.4帧/秒 YoloV4（608x608）完整 0.7帧/秒 0.2帧/秒 YoloV5（640x640）小 4.0 FPS 1.6帧/秒 依赖关系。 要运行该应用程序，您必须： 具有32或64位操作系统的树莓派4。 它可以是Raspberry 64位操作系统，也可以是Ubuntu 18.04 / 20.04。 已安装腾讯ncnn框架。 已安装OpenC

matlab建模代码数学规划 Algorithm Implementation in Mathematical Modeling MATLAB code for classic mathematical modeling. 层次分析法(AHP) 元胞自动机(Cellular Automata) 模糊数学模型(Fuzzy Mathematical Model 目标规划(Goal Programming) 图论(Graph Theory) 灰色系统建模(Grey System) 启发式算法(Heuristic Algorithm) 免疫算法(Immune Algorithm) 整数规划(Integer Programming) 《MATLAB智能算法案例》(Intelligence Algorithm) 插值(Interpolation) 线性规划(Linear Programming) 多元分析(Multivarite Analysis) 神经网络(Neural Network) 非线性规划(Non Linear Programming) 常微分方程(Oridinary Differen

Model Checking经典书籍,如果做形式化验证的话属于必读系列

image_color_segmentation-gmm：实现的高斯混合模型（GMM）用于图像颜色分割

PSpice 提供Model Editor 建立元件的Model，从元件供应商那边拿到该元件的Datasheet，透过描点的方式就可以简单的建立元件的仿真模型，来做电路的模仿真。