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

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

文章目录摘要：一、介绍二、材料和方法（一）、数据库（二）、测试集（三）、训练集和验证集（四）、输入特征（五）、模型架构（六）、CNN模型架构Web服务器：www.csd.uwo.ca/~yli922/index.php特征计算流水线:github.com/lucian-ilie/DELPHI联系邮箱： ilie@uwo.ca补充资料：摘要：动机：蛋白质通常通过与其他蛋白质相互作用来发挥功能，这就是为什么准确预测蛋白质-蛋白质相互作用(PPI)结合位点是一个基本问题。实验方法既缓慢又昂贵。因此，人

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