基于自动核分割和CNN模型的白细胞分类方法 概述： 这项工作是对白细胞（白血球）细胞核分段，定位和四种类型的白细胞（白血球）的细胞核分段算法.The完整描述的新的CNN模型为基础的分类，定位和CNN模型，可以发现。 这是工作摘要： 开发了一种用于WBC核分割的通用算法，并在四个WBC公开数据集中得到了验证。 根据细胞核和白细胞比率的统计分析确定白细胞（白细胞）的位置。 设计了一种新的CNN模型，以对四种类型的本地化和裁剪的WBC（白细胞）图像进行分类。 在“ wbc_nucleus_seg_localz”目录中共享WBC核的分割，定位和裁剪方法的代码。 请查看代码并在MATLAB上运行（推荐版本：MATLAB 2017a或2019a或更高版本）。 在“ wbc_classify_cnn_model”目录中共享裁剪的WBC图像的数据集生成，CNN模型的训练和训练后的模型的推断的代

使用NLTK进行文本数据的自动情感分析 通讯155：人工智能和新媒体朱准se教授家庭作业2018年五月 该项目使用自然语言工具包（NLTK）情感分析功能来分析四个csv数据集（亚马逊产品评论，啤酒评论，电影评论和雨伞评论）的文本情感。 每个数据集包含成对的评论内容列表和一个数字评分。 用户生成的评分与NLTK生成的分数之间的相关性绘制在matplotlib条形图中。 我还发现编写了代码来查找与正面和负面情绪得分唯一相关的单词。 亚马逊评论 一些与评论得到负面情感评分唯一相关的有趣单词：损坏，讨厌，不糟糕，混乱，失望，严重一些与获得积极情绪评分的评论有关的有趣单词：维生素，混合 啤酒评论 一些与评论得到负面情感评分唯一相关的有趣单词：恐怖，死亡，谋杀一些与获得好评的评论独特相关的有趣单词：颜色，炫酷，迪士尼，朱莉·安德鲁斯 我认为分析对这组数据的作用是独特的，因为评论是针对不同电影的

KaplanMeier：Python中的KaplanMeier曲线

镶嵌：使用laguerre镶嵌绘制细胞晶格

分析 anaklasis是一组开源python3脚本（具有fortran90扩展名），可促进一系列镜面中子和X射线反射率计算，包括理论曲线的生成以及界面模型反射率与实验数据集的比较/拟合。 anaklasis模块包含三个可调用的函数： anaklasis.calculate，用于生成理论反射率曲线； anaklasis.compare，用于将实验数据与理论曲线进行比较； anaklasis.fit，用于根据定义的模型细化实验数据。 通过在一个简单的python脚本中将界面模型和工具参数定义为列表并将它们作为参数传递给所需的函数来执行。 在示例文件夹中，可以找到许多由程序执行的带有计算和优化的脚本。 此外，还包括一些解释输入和输出的Jupyter笔记本。 将以开放获取文章的形式报告已使用方法的完整说明。 安装 Linux 安装Python > 3.7和gfortran 安装NumPy

时间序列 使用ARIMA和MLP进行时间序列预测

模仿iv 收集用于改善患者护理的医疗数据 设置 安装git并签出[git代码存储库] 安装 Python版本3.6+ 将工作目录更改为git代码存储库根目录 创建自包含的conda环境。 在终端中，转到git代码存储库根目录，然后输入以下命令： conda env create --file conda_env.yml src下的所有python模块都必须可用于其他脚本。 这可以通过两种方法来完成。 您可以通过执行以下setup.py命令来设置和安装python模块，该命令会将软件包安装到conda环境site-packages文件夹中，但带有指向src文件夹的符号链接，因此修改将立即反映出来。 python setup.py develop 另外，您可能更喜欢直接从控制台，笔记本电脑，测试脚本等中设置python路径。在Pycharm中，您也可以右键单击src文件夹，然后选

推荐系统，用于酒店搜索使用AI

时间序列分析-机器学习模型 时间序列分析-未来7个月的飞机乘客预测

＃转到RAW以获得更好的视图 机器学习项目 伦敦希思罗机场预测的航班延误为了对机器进行培训，您需要使用FlightRadar24_scrapper构建数据集（至少2-3周的数据）。 数据准备工作是在抓取器中执行的，但是数据清理和功能工程则在机器学习文件中进行。 爬虫可能有重复的值，这些值已在机器学习脚本中删除。 示例数据集包含在用于训练模型和验证模型的存储库中。 用于刮板的版本： jupyter核心：4.6.3 jupyter笔记本：6.1.1 qtconsole：4.7.7 ipython的：7.18.1 ipykernel：5.3.4 jupyter客户：6.1.6 jupyter实验室：2.2.6 nbconvert：6.0.6 ipywidgets：7.5.1 nbformat：5.0.7 特质：4.3.3 的Python：3.8.5 熊猫：1.1.1