CNNsite：使用具有序列特征的卷积神经网络预测蛋白质中的DNA结合残基

FCN网络个人理解版，欢迎提出宝贵意见

TED（现称为BayesPrism） 使用统计边际化（BayesPrism）推断贝叶斯细胞比例重建：肿瘤微环境组成和基因表达的完全贝叶斯推断。 BayesPrism由反卷积模块和嵌入学习模块组成。去卷积模块利用来自scRNA-seq的细胞类型特异性表达谱，并实施完全贝叶斯推断，以根据肿瘤样品的大量RNA-seq表达共同估算细胞类型组成和细胞类型特异性基因表达的后验分布。嵌入学习模块使用期望最大化（EM）来使用肿瘤途径的线性组合来近似肿瘤表达，同时以反卷积模块估算的非肿瘤细胞的表达和分数为条件。 v1.1：添加了新功能，允许使用从scRNA-seq数据（例如，通过更精细的聚类）获得的细胞亚型/细胞状态信息，从而产生更细粒度的细胞类型，以更好地代表异质群体。它可以用来定义例如肿瘤微环境中的髓样或淋巴细胞群。 BayesPrism将计算这些子类型/状态的后验和。 v1.2：增加了功能cle

在本文中，我们研究了耦合可积分无色散方程（CIDE）的旋转N回路孤子解，该方程描述了二维空间中外部磁场中的电流馈电串。 通过一组自变量转换，我们得出CIDE方程的双线性形式。 在Hirota方法，摄动技术和符号计算的基础上，我们给出了解析N旋转环孤子解，并通过介绍三孤子解和四孤子解的情况进行了一些说明。

卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检测中的应用 卷积神经网络结构设计及其在目标检

深度学习算法示例 使用numpy从零开始的带有池层的简单卷积神经网络 技术： Python 3； Jupyter笔记本。 执照 该项目根据MIT许可条款获得许可。

基于numpy的卷积神经网络实现

文献检索大作业

提出了一种基于改进卷积神经网络的交通标志检测方法。预训练模型产生否定; 使用难分类负样本采集将负样本输入到网络中，提高模型的判别能力; 使用多尺度训练过程中的特征级联策略来进一步提升模型的性能。利用TensorFlow框架在德国交通标志检测数据集上对所提方法的有效性进行了仿真。研究结果表明，与现有技术相比，所提方法能够获得更快的检测速率，处理每幅图像仅需0.016 s。

随着计算机应用的发展和人们对信息保密意识的增强，人脸识别技术作为一种生物识别技术越来越受到人们的重视。而卷积神经网络的出现大大提高了计算机对图像内容的识别和判断能力，因此我们考虑将卷积神经网络应用于人脸识别技术，形成一套以卷积神经网络为技术核心的人脸识别系统。