wangpan007的博客

目录1. 研究背景2. 研究数据2.1 预训练的蛋白质数据集2.2 蛋白质基准数据集3. 研究方法3.1 序列和标注编码3.2 蛋白质序列和注释的自我监督预训练3.3 对蛋白质基准进行监督微调3.4 深度学习框架4. 结果4.1 预训练可以改善蛋白质模型4.2 ProteinBERT在不同的蛋白质基准上达到了近乎最先进的结果4.4 全局注意力机制的理解5. 结论作者单位：耶路撒冷希伯来大学发表期刊：《Bioinformatics》，2020年期刊影响因子：6.937发表时间：2022年1月9日数据和

论文笔记：DeepEP: a deep learning framework for identifying essential proteins一、论文创新二、方法（一）、网络结构（二）、Node2vec得到拓扑特征(三）、采样方法三、数据四、结果一、论文创新1.通过得到了得到了蛋白质的拓扑特征。2.采用了一种采样方法有效的解决了重要蛋白质和不重要蛋白质的失衡问题。二、方法（一）、网络结构提出了一种新的深度学习架构，DeeEP1.网络有两部分组成：特征提取和分类2.PPI网络的蛋白质拓

文章目录一、论文基本情况二、前言三、数据（一）训练集和测试集（二）特征四、方法（一）局部特征（二）全局特征（三）文本卷积神经网络(TextCNN)五、模型的应用域（AD）（二）、全局特征的重要性（三）预测准确的情况（四）不同长度蛋白质的影响七、总结一、论文基本情况发表期刊：Bioinformatics（最新的IF=5.61）作者及单位：中南大学李敏团队服务器地址：http://bioinformatics.csu.edu.cn/PPISP/代码及数据地址：https://github.com/C

import numpy as npimport osimport loggingimport datetimefrom keras.models import load_modelimport timeimport argparseWINDOW_SIZE=31def Predict(args, test_all_features_np3D): log_time("Start predicting") if not os.path.exists(args.out_dir)

运行tensorflow代码的时候出现以下错误：RuntimeWarning: compiletime version 3.5 of module 'tensorflow.python.framework.fast_tensor_util' does not match runtime version 3.6解决方法一：忽略警告（警告信息，其实并不影响输出结果）输入以下TF调试代码有结果 ： import tensorflow as tf hello = tf.constant("Hell

一、前提条件1、确保linux服务器已经安装好虚拟环境，并且虚拟环境已经python的相关环境（连接服务器也可以进行环境配置）。2、通过Xsheel激活虚拟环境然后通过pip安装相关的包，当然也可以通过pycharm的terminal进行相关库 安装。二、连接服务器1、进入pycharm的Tools栏2、选择文件传输协议为SFTP，输入服务器的IP、端口、密码进行连接，不出意外的情况下应该是能够连接成功的。3、选择本地和服务器的文件路径三、采用服务器的解释器1、file-setings

一、通过anaconda安装前提条件：确保linux服务器已经安装了anaconda，如果没有安装可以参考其他博客进行安装。基本操作：1、创建虚拟环境conda create --name fantacy python=3.6.12 # 创建虚拟环境–name：也可以缩写为 【-n】，【fantacy】是新创建的虚拟环境的名字,python=3.6.12：是python的版本号。若未指定，默认为当前环境的python版本.环境默认本地地址为：anaconda的目录下找到envs/fantac

文章目录一、论文基本信息二、摘要一、论文基本信息发表期刊：《Proceedings of the National Academy of Sciences of the United States of America》期刊最新影响因子:9.412中科院分区：综合性期刊 1 区论文作者及单位：加州大学圣地亚哥分校计算机科学与工程系劳伦斯·k·索尔（Lawrence K. Saul）出版日期:2020年6月24日原文链接：https://www.pnas.org/content/117/27/

论文笔记：3D Residual Networks for Action Recognition（飞浆复现）文章目录1、 Abstract2、Introduction3、Related Work2.1.、Action Recognition Database2.2、 Action Recognition Approach3、3D Residual Networks3.1、Network Architecture4、Experiments5、Conclusion1、 Abstract具有时空三维核的卷积