Improve network lifetime by managing the base station receiver in wireless sensor networks Hierarchical algorithms - persian paper

matlab代码循环运行预测电池寿命 注意：请与Richard Braatz教授联系，以访问与Nature Energy论文相关联的代码存储库（具有学术许可）。 该存储库与《自然能源》论文无关。 该存储库包含有关我们的电池寿命早期预测工作的代码。 功能是在MATLAB中生成的，而机器学习是在python中执行的。 请参阅参考资料，以获得该分析的最新版本。 我们的关键脚本和功能总结如下： MATLAB代码： featuregeneration.m ：生成从电池数据集中提取的大量特征，并将其导出到csvs。 此功能以10为增量循环20至100。 Python代码： ElasticNet.py ：使用scikit-learn中的ElasticNetCV模块来训练弹性网络模型。 该模块自动执行5倍交叉验证，以选择alpha和l-1比率超参数的最佳值。 对于每个使用的初始周期数（20到100，以10为步长），分别对超参数进行了优化。 保存经过训练的模型，以便将其用于测试。 RandomForest.py ：使用scikit-learn中的RandomForestRegressor模块。 对于每个

蛋白质终身计划 该python脚本允许用户遵循N端规则获得细胞中蛋白质的寿命，通过该规则，蛋白质半衰期是由蛋白质序列中的最后一个氨基酸计算出来的。 背景 90年代，亚历山大·瓦尔沙夫斯基（Alexander Varshavsky）和他的团队首先描述了N端规则。 它将蛋白质的体内半衰期与其N末端残基的身份联系起来。 他得出的结论是，N-末端规则的相似但截然不同的版本适用于所有生物，从哺乳动物到真菌再到细菌。 因此，据此，应该有可能从蛋白质序列计算蛋白质的半衰期，并使用生物信息学方法估算蛋白质在细胞中的寿命。 代码 该代码是使用Spyder版本4.2.3（是Python开发环境）使用Python3版本3.8开发的。 可以使用跨平台的Anaconda发行版下载Spyder。 Python模块 在使用此脚本之前，建议使用Anaconda Prompt安装以下Python模块： PySimpleG