- 博客(42)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 CHO细胞培养中高乳酸与低产量的模式识别与分析
PCA+聚类+SVM，三个工具搞定细胞培养的高乳酸根因分析。241批生产数据展开成3D张量，在残差空间里把高乳酸批次自动聚类成4种模式，再用LDA+SVM反向定位到接种阶段的可调控变量。结果是：类型I误差仅2.3%，并且成功锁定Na₂CO₃和初始渗透压。
2026-04-07 22:07:44
415
原创 只需混合几种商业培养基，120次实验锁定12个关键营养素，自动算出最佳配方
还在为筛选培养基组分熬夜配制浓缩液？50多种成分、上百个条件、pH反复调整——传统方法又慢又累。现在只需一套流程，把“培养基混合”从玄学变成系统科学：只用市售CDM，无需配制任何浓缩液用PCA+D-最优设计，自动消除多重共线性120个条件筛出12个关键组分，活细胞密度提升3倍+“像调酒一样筛培养基”——算法工程师终于能插手了！👉 文内附完整Python代码，一键复现。
2026-04-07 19:40:16
400
原创 基于迁移学习的培养基配方开发方法
本文提出了一种基于迁移学习的细胞培养基优化方法，通过构建5-20层DNN预训练模型，利用1000+配方数据进行训练。创新性地采用"输出层→隐藏层"渐进解冻策略进行两阶段迁移学习：第一阶段冻结除输出层外的所有层，第二阶段微调最后3层。实验表明，该方法将数据需求减少至传统方法的1/20（200 vs 4000+），开发周期缩短60%（6个月→2个月），在CHO-K1细胞实验中预测误差低于15%。关键技术包括特征选择（保留TOP70%成分）、数据归一化和拉丁超立方采样，显著提升了模型迁移效率和
2025-07-16 19:14:31
812
原创 ML分析氨基酸和锌的相互作用对细胞生长的影响
该研究通过实验与机器学习结合，揭示了锌毒性受特定氨基酸组合调控的机制，为细胞培养基优化提供了科学依据，并展示了机器学习在生物工艺开发中的应用价值。目录1. 研究背景与目标2. 研究方法3. 主要结果4. 讨论与意义5. 结论6. 论文图表与补充信息7. 支持信息总结1. 背景解析2. 数据pipeline3. 阶段1：多分类模型(1) 将生长表现分组（G⁻/G⁺/G⁺⁺）以简化分析(2) 具体流程(3) 代码示例(4) 结果4. 阶段2：二分类模型（ZnR vs ZnNR）1. 问题重构与标签定义。
2025-07-02 19:06:33
804
原创 GBDT主动学习优化哺乳动物细胞培养基
学习笔记：本文提出了一种结合主动学习和梯度提升决策树（GBDT）优化哺乳动物细胞培养基配方的方法。针对29种成分的高维空间和小样本实验的挑战，该方法通过主动学习循环（模型训练-预测最优候选-实验验证-模型更新）高效搜索最优配方。研究创新性地开发了常规模式（优化168小时培养效果）和节时模式（利用96小时相关性预测168小时效果），后者将实验周期从7天缩短至4天。GBDT模型不仅优化性能优于传统方法，还揭示了不同培养阶段的关键成分（如早期维生素、晚期氨基酸）。
2025-07-01 00:27:01
1175
原创 cuda加速求解龙格库塔四阶五步积分
这个方程组可以用来描述原始的二阶微分方程的动态。一阶微分方程组更容易用数值方法求解，因为大多数数值。在实际应用中，这个方程组可以用标准的数值方法（如欧拉法、龙格-库塔法等）进行求解。我们可以将这个二阶微分方程转化为一个一阶微分方程组，然后使用RK45方法来求解。第二个一阶微分方程来自于原始方程对 ( y ) 的二阶导数的替换，我们将 (要求解常微分方程组（ODEs）。
2023-12-25 12:50:12
1282
原创 海塞矩阵（Hessian matrix）全解
通过计算图和链式法则，自动微分可以高效地计算出函数 f 对于输入变量 x 和 y 的导数，同理基于f’(x)和f’(y)，求二阶导数，而无需手动推导导数表达式。因此，在实际应用中需要综合考虑问题的特点来选择合适的优化算法和方法。在这个示例中，我们使用Autograd库来计算函数 ( f(x, y) = x^2 + 2xy + y^2 ) 的一阶导数和二阶导数，并将其组合成海塞矩阵。其中，(*) 表示乘法操作，(+) 表示加法操作，(x) 和 (y) 分别表示输入的变量 x 和 y，(f) 表示函数的输出。
2023-12-20 19:47:55
9047
原创 conda命令使用conda-pack库打包环境并迁移-window系统
在新的电脑上，无法通过网络连接等方法构建所需的python环境。因此需要离线打包本地环境到新电脑上。
2023-09-08 16:59:39
4643
原创 gitlab入门教程 上传本地文件夹到远程端
当6完成以后，发现有一部分文件不想上传到远程端。因此在clone的路径中选择.gitignore文件。然后对自己不想上传的文件夹给出相对路径，然后加上/*的后缀。
2023-08-09 10:48:19
1358
原创 【python】贝叶斯优化包bayesian-optimization
为此，该方法使用代理优化问题（找到采集函数的最大值），尽管仍然是一个难题，但更便宜（在计算意义上）并且可以使用通用工具。因此，贝叶斯优化最适合对要优化的函数进行采样是一项非常昂贵的工作的情况。在每个步骤中，高斯过程都会拟合已知样本（之前探索的点），后验分布与探索策略（例如 UCB（置信上限）或 EI（预期改进））相结合，用于确定下一个应该探索的点。随着观测数量的增加，后验分布得到改善，算法变得更加确定参数空间中的哪些区域值得探索，哪些区域不值得探索，如下图所示。但是，应该清楚的是您不需要这样做。
2023-07-26 16:13:48
5463
原创 scipy的微分方程组求解包solve_ivp使用详解
使用需要检测的函数。在ode求解过程中，每一步都会执行events对应的函数，函数返回的是需要进行判断该变量情况的数值：比如官方案例，加农炮发射，存在两个变量，高度和速度。显式 Runge-Kutta 方法（“RK23”、“RK45”、“DOP853”）应用于非刚性问题，隐式方法（“Radau”、“BDF”）用于刚性问题 [9 ]。如果它进行异常多次迭代、发散或失败，则您的问题可能很僵化，您应该使用“Radau”或“BDF”。“BDF”：基于导数近似的后向微分公式的隐式多步变阶（1 到 5）方法[5]。
2023-07-11 14:30:29
9479
原创 DCCA互相关系数 实例 python
数据来源：PhysioBank ATM下面资源还在审核的话，就用上面的链接下载MIT- BIH 正常窦性心律数据 nsrdb-16265针对数据ECG1和ECG2进行DCCA分析。绿色为ECG1和ECG2基于DCCA的线性拟合【需要去掉注释才能显示】红色为ECG1基于DFA的线性拟合蓝色为ECG2基于DFA的线性拟合需要注意如下：1. 数据以对数曲线表示。2. 这里时间长time=3 间隔s=0.03 数据长度只取到3000 为了避免错误，请确..
2022-03-24 22:12:22
2467
1
原创 DFA去趋势波动分析 实例 python
数据来源：PhysioBank ATM下面资源还在审核的话，就用上面的链接下载MIT- BIH 正常窦性心律数据 nsrdb-16265针对数据ECG1和ECG2进行DFA分析。需要注意如下：1. 数据以对数曲线表示。2. 这里时间长time=3 间隔s=0.03 数据长度只取到3000 为了避免错误，请确保【数据长度>=10^time】3. 可以基于FDA继续算ECG1和ECG2的DCCA4. 拟合是线性的，可根据自己数据情况考虑更换二次及以上。具体方法.
2022-03-24 21:19:01
5247
原创 DCCA互相关系数 理论
Cross-correlation analysis of stock markets using EMD and EEMD翻译源2.4小节DCCA方法是由Podobnik和Stanley[31]最近提出的，用于分析同时记录的非平稳时间序列之间的幂律互相关系，是互相关系研究的有力候选工具。因此，在以往的许多研究中，DCCA方法被用来研究相互关系[33-40]。DCCA过程可以简单描述如下：考虑这两个时序：和，i=1,2，...，N，并且两时序长度相等为N。
2022-03-20 22:00:14
4656
2
原创 【专用链接】文件补档
附加补全：基于一个微分对策问题的机器学习.pdf-机器学习文档类资源-优快云下载test12就是第一问和第二问文件以下是test3_904_19.pyimport gymfrom gym import spacesfrom gym.utils import seedingimport numpy as npfrom math import cos,sin,pi,sqrt,asinimport randomfrom os import path...
2021-12-29 23:39:06
1196
原创 Pymc3采样慢解决方法和原因
解决方法：1. 一般情况：先验设定存在问题（不合适），建议按照同一问题背景下，用别人找到的推荐先验设置。或者查阅相关论文，使得变量先验符合模型背景。2. 在使用别人的推荐先验还是存在极慢的采样，可以检查数据集，数据的分布情况是否和参考教程一致，比如别人是正态，你的是双峰或者偏正态，可以先进行转化调整。3. 更换初始方法，例如find_MAP。4. 上述方法只能解决很慢的情况下，一两天都不能采样出结果。【我的数据量15k，18个参数，chain=2，跑了6h，供参考】如果还有什么好的解决方法可
2021-12-24 19:24:32
1415
2
原创 2024/4汇总
课程设计汇总数据科学导引课程报告https://blog.youkuaiyun.com/qq_54394719/article/details/118699705python课程算法设计并优化https://blog.youkuaiyun.com/qq_54394719/article/details/118700099数据分析课设（SPSS,EVIEWS,R）【理论】https://blog.youkuaiyun.com/qq_54394719/article/details/118700338数据分析课设（R）
2021-11-08 20:37:38
3350
原创 Robyn MMM2.0 - Facebook Marketing Science（R）市场营销-广告投放
代码链接：https://github.com/facebookexperimental/Robyn教学使用视频：https://www.youtube.com/watch?v=aIiadcfL4uw目录1 原文翻译部分：1.1 快速开始1.2使用进化算法进行模型选择1.3 商业真实使用情况1.4分步指南1.4.1 库1.4.2为 Nevergrad 创建、安装和使用 conda 环境1.4.3加载数据1.4.4设置国家1.4.5日期变量1....
2021-09-29 14:41:33
3967
1
原创 python调用Google Analytics Sample (BigQuery)使用方法以及常见错误
数据集没有csv格式，而且很大，所以使用接口来查询数据。前置准备：谷歌账号过程：https://cloud.google.com/bigquery/docs/reference/libraries#client-libraries-resources-python主要在这里进行操作在环境变量里配置经常会莫名其妙出现错误google.auth.exceptions.DefaultCredentialsError: Could not automatically determine.
2021-09-12 20:40:00
920
原创 数值计算方法-MATLAB
3．钢水包使用次数多以后，钢包的容积增大，数据如下： x 2 3 4 5 6 7 8 9 y 6.42 8.2 9.58 9.5 9.7 10 9.
2021-07-14 09:34:19
1472
原创 基于影评的LSTM与GRU对比
以imdb的影评为数据集，利用SimpleRNN和LSTM，GRU做好评与差评的分类网络。并且比较他们在时间和正确率的差别，以及是否启用unroll功能对时间和正确率造成的影响。常见的单词数量，输入训练句子固定长度，单词转编码的向量维度。 然后要载入数据集，利用Keras得到划分好的数据集：对于x的训练集和测试集都用padding的方法填补（避免取出的句子存在不够固定长度的情况）打包集合（将x和y合并为一个数据集），分别得到完整的训练集和测试集，然后对训练集和测试集用minibatch进行
2021-07-14 09:21:27
449
原创 课程设计汇总
数据科学导引课程报告https://blog.youkuaiyun.com/qq_54394719/article/details/118699705python课程算法设计并优化https://blog.youkuaiyun.com/qq_54394719/article/details/118700099数据分析课设（SPSS,EVIEWS,R）【理论】https://blog.youkuaiyun.com/qq_54394719/article/details/118700338数据分析课设（R）【实践-时间序列
2021-07-13 15:21:10
141
原创 论文汇总1
运动模糊图像恢复处理-matlab实现https://blog.youkuaiyun.com/qq_54394719/article/details/118697030单剂量给药下仓室药物模型半衰期的计算https://blog.youkuaiyun.com/qq_54394719/article/details/118695852国内游戏营销竞争潜力模型的多元统计研究https://blog.youkuaiyun.com/qq_54394719 /article/details/118699376...
2021-07-13 15:17:43
115
原创 数据分析课设（R）【实践-时间序列】
背景问题：利用ARIMA乘积模型对航空旅客数据集进行分析一年的预测数据集直接导入R的数据集AirPassengers：这是1949-1960年每月旅客总数；数据集来源Box and Jenkins的文献。#先将数据集导入x=AirPassengers#查看数据集：print(x) Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec1949 112 118 132 129 121 135 148 148 136 119...
2021-07-13 15:12:23
2051
2
原创 数据分析课设（SPSS,EVIEWS,R）【理论】
对外汇数据作前向、后向以及逐步回归，并对输出结果作分析和理论解释。x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 省市 y 1.94 4.5 154.45 207.33 246.87 277.64 135.79 30.58 110.67 80.83 51.83 14.09 北 京 2384 0.33 6.4
2021-07-13 15:07:42
2859
原创 python课程算法设计并优化
题目data.txt中是多个点的坐标集合S，每个点的坐标都是一个二维数组，每一行代表一个点的二维坐标，每个二维数组的第一个数字代表横坐标，第二个数字代表纵坐标。现有如下想法，大致内容如下:设置一个正的常数值d=50，对于集合S中任意两个点，只要它们两个之间的欧式距离不超过d，那么这两点就归为一类。请尝试自行编写python代码实现上述想法，并显示代码运行时间和最后S被划分成了多少个类。很显然用DBSCAN算法例如实现：import numpy as npimport ra
2021-07-13 14:55:12
328
原创 数据科学导引课程报告
Q1:公共自行车租借预测自行车分享系统(bikesharingsystems)较传统的自行车租借存在巨大的优势.它避免了注册、租借和归还等繁琐的过程，用户可以在线上完成所有相关操作.同时，自行车的行驶时长和路线等信息也可以完整记录下来.本题提供一份公共自行车租借数据集[36].请根据城市当天的天气、温度、湿度和风速等环境信息对自行车的租借数量进行预测.Q2：个人信用风险评估在很多国家，政府机构会密切监控货款业务，银行需要明确解释申请者的贷款申请被拒绝或者批准的原因，这种可解释..
2021-07-13 14:48:05
1269
基于一个微分对策问题的机器学习.pdf
2021-11-08
MIT- BIH 正常窦性心律数据 nsrdb-16265
2022-03-24
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人