Kurs Grundschule 20624
Kurseinführung:《JavaScript学习指南》将教你学习从初级到高级JavaScript知识。包括语法,变量,事件,数据类型,循环,比较,对象等内容,让学习者对JavaScript有一个从初级到高级的认知过程。
Kurs Grundschule 50065
Kurseinführung:Python是纯粹的自由软件, 源代码和解释器CPython遵循 GPL(GNU General Public License)协议。语法简洁清晰,特色之一是强制用空白符(white space)作为语句缩进。具有丰富和强大的库。它常被昵称为胶水语言,能够把用其他语言制作的各种模块(尤其是C/C++)很轻松地联结在一起。
Kurs Grundschule 7055
Kurseinführung:Oracle是甲骨文公司的一款关系数据库管理系统。它是在数据库领域一直处于领先地位的产品。可以说Oracle数据库系统是目前世界上流行的关系数据库管理系统,系统可移植性好、使用方便、功能强,适用于各类大、中、小微机环境。它是一种高效率的、可靠性好的、适应高吞吐量的数据库方案。
2018-08-05 22:03:05 0 1 1379
Künstliche Intelligenz – Python, maschinelles Lernen, medizinische Daten, wie man lernt
2017-06-12 09:25:45 0 1 985
Bitte geben Sie mir eine Anleitung. Warum ist es so schwierig zu lernen?
2020-08-01 15:25:05 0 2 1008
2017-05-27 17:40:19 0 8 759
Ich kann das Zuschauen nicht mehr lernen. Das schnelle Laden des Videos ist fehlgeschlagen
2019-12-14 11:00:07 0 0 1031
Kurseinführung:Verwendung des Tensorflow-Moduls für Deep Learning in Python3.x Einführung Deep Learning hat sich in den letzten Jahren zu einer der heißesten Technologien im Bereich der künstlichen Intelligenz entwickelt. Als beliebtes Deep-Learning-Framework unterstützt TensorFlow nicht nur eine Vielzahl von Deep-Learning-Modellen, sondern bietet auch eine Fülle von Tools und Funktionen zur Vereinfachung der Modellentwicklung. In diesem Artikel wird die Verwendung des TensorFlow-Moduls für Deep Learning in der Python3.x-Umgebung vorgestellt und relevante Codebeispiele bereitgestellt. Installieren Sie Zehner
2023-07-29 Kommentar 0 702
Kurseinführung:Herausgeber |. KX Generatives Deep Learning verändert das Arzneimitteldesign. Von besonderer Bedeutung für diesen Prozess sind chemische Sprachmodelle (CLMs), die Moleküle als Molekülketten erzeugen. Kürzlich haben Forscher der Technischen Universität Eindhoven in den Niederlanden eine neueste Deep-Learning-Architektur (S4) in das De-novo-Arzneimitteldesign eingeführt. Das Structured State Space Sequence (S4)-Modell bietet eine hervorragende Leistung beim Erlernen der globalen Eigenschaften der Sequenz. Kann S4 also die von Grund auf neu entwickelte chemische Sprachmodellierung vorantreiben? Um diese Frage zu beantworten, verglichen die Forscher S4 bei einer Reihe von Arzneimittelforschungsaufgaben systematisch mit dem hochmodernen CL.
2024-08-05 Kommentar 0 849
Kurseinführung:Herausgeber |KX Bis heute sind die durch die Kristallographie ermittelten Strukturdetails und Präzision, von einfachen Metallen bis hin zu großen Membranproteinen, mit keiner anderen Methode zu erreichen. Die größte Herausforderung, das sogenannte Phasenproblem, bleibt jedoch die Gewinnung von Phaseninformationen aus experimentell bestimmten Amplituden. Forscher der Universität Kopenhagen in Dänemark haben eine Deep-Learning-Methode namens PhAI entwickelt, um Kristallphasenprobleme zu lösen. Ein Deep-Learning-Neuronales Netzwerk, das mithilfe von Millionen künstlicher Kristallstrukturen und den entsprechenden synthetischen Beugungsdaten trainiert wird, kann genaue Elektronendichtekarten erstellen. Die Studie zeigt, dass diese Deep-Learning-basierte Ab-initio-Strukturlösungsmethode das Phasenproblem mit einer Auflösung von nur 2 Angström lösen kann, was nur 10 bis 20 % der bei atomarer Auflösung verfügbaren Daten im Vergleich zur herkömmlichen Ab-initio-Berechnung entspricht
2024-08-08 Kommentar 0 427
Kurseinführung:Maschinelles Lernen ist ein spannendes und sich schnell entwickelndes Feld, das Mathematik, Statistik und Informatik verbindet, um Systeme zu schaffen, die aus Daten lernen. Für Anfänger, die gerne in maschinelles Lernen eintauchen und wissen möchten, welche Programmiersprachen sie lernen müssen
2024-08-05 Kommentar 0 884
Kurseinführung:Herausgeber | Rettichhaut Die Vorhersage der Protein-DNA-Bindungsspezifität ist eine anspruchsvolle, aber entscheidende Aufgabe für das Verständnis der Genregulation. Protein-DNA-Komplexe binden typischerweise an ausgewählte DNA-Ziele, wohingegen Proteine an ein breites Spektrum von DNA-Sequenzen mit unterschiedlichem Grad an Bindungsspezifität binden. Diese Informationen sind nicht direkt in einer einzelnen Struktur zugänglich. Um auf diese Informationen zuzugreifen, schlugen Forscher der University of Southern California und der University of Washington den Deep Binding Specificity Predictor (DeepPBS) vor, ein geometrisches Deep-Learning-Modell, das die Bindung anhand von Protein-DNA-Strukturen vorhersagen soll.
2024-08-19 Kommentar 0 1047