在过去的十年中，深度神经网络(DNNs)在各种应用中表现出显著的性能。当我们试图解决更艰难和最新的问题时，对计算和电力资源的需求增加已经成为不可避免的。

在分析决策树算法的基础上，介绍了决策树神经网络和算法及其的构造，并使用该算法对淘宝店铺客户数据（**查看文末了解数据免费获取方式**）进行分类及对新客户类型预测...

在当今深度学习领域，卷积神经网络（CNN）架构不断发展与创新，诸多先进的架构被提出并广泛应用。像GoogleNet（ILSVRC 2014获胜者）、ResNet...

有个事情可能会让初学者惊讶：神经网络模型并不复杂！『神经网络』这个词让人觉得很高大上，但实际上神经网络算法要比人们想象的简单。

具有类药物性质的小分子的合理设计仍然是生物制药研究中的一个突出挑战。基于结构的药物设计（SBDD）旨在寻找具有高亲和力和特异性的结合到蛋白质中特定三维位点的小分...

BP神经网络模型是人工神经网络模型的一种，其来源是在基于人类大脑中的复杂的神经系统的运作机制，可以对输入的信息进行更加合理的分配以及处理，将不同的信息传入不同的...

数据压缩是保留相同或绝大部分数据前提下减小文件大小的过程。它的原理是消除不必要的数据或以更高效的格式重新组织数据。在进行数据压缩时，你可以选择使用有损方法或无损...

在房地产市场中，准确地预测房屋价格是至关重要的。过去几十年来，随着数据科学和机器学习的快速发展，各种预测模型被广泛应用于房屋价格预测中。而R语言作为一种强大的数...

预测变异效应对蛋白质稳定性和功能的影响，对于理解蛋白质的功能机制至关重要。然而，蛋白质变异效应的分析需要对海量数据进行处理，特别是需要评估几乎所有可能的单氨基酸...

作者提出了一种新的多模态组内配准框架GMM-CoRegNet，旨在将一组多模态图像配准到一个共同的结构空间。现有的组内配准方法通常依赖于基于强度的相似性度量，但...

蛋白质-蛋白质相互作用 (PPI) 是几乎所有生物过程的基石，它决定了信号通路的动态变化以及细胞功能所必需的结构框架。正确理解蛋白-蛋白相互作用对蛋白质工程和药...

HORNET使用原子力显微镜和深度神经网络来描述单个RNA分子的3D结构。这种方法能够研究RNA的结构和动力学。

无人机图像中的目标检测是各个研究领域的重要基础。然而，无人机图像带来了独特的挑战，包括图像尺寸大、检测对象尺寸小、分布密集、实例重叠和照明不足，这些都会影响对象...

随着高速通量测序技术的快速发展，组学研究进入了多组学整合的时代，包括基因组学、转录组学、蛋白质组学和代谢组学等。然而，单一组学研究存在许多限制，如数据高维、噪声...

论文链接提出了一种基于图神经网络的知识追踪方法，称为基于图的知识追踪（GKT）。将知识结构构建为图，其中节点对应于概念，边对应于它们之间的关系，将知识追踪任务构...

答案：Dockerfile是用来构建Docker镜像的文本文件，是由一条条构建镜像所需的指令和参数构成的脚本。

人类基因组中大部分被转录为RNA，这些RNA中包含许多对其功能至关重要的结构元素。这类RNA分子，包括那些具有明确结构和良好折叠的分子，通常具有构象异质性和灵活...

之前介绍的项目《优秀的 Verilog/FPGA开源项目介绍（十四）- 使用FPGA实现LeNet-5 深度神经网络模型》最后我们分析了，纯FPGA实现神经网络...

图神经网络优势：结合图神经网络（GNN）的优点，能够有效处理具有复杂拓扑结构的数据，如社交网络、分子结构等。

人工神经网络为非生物信息处理提供了强大的范式。为了探究类似的原理是否能够在活细胞内实现计算，研究人员结合全新设计的蛋白质异源二聚体和工程化的病毒蛋白酶，构建了一...