首页> 外文OA文献 >Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks

【2h】

Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks

机译：用花粉变换模拟调节序列的位置效应提高了深神经网络的预测精度

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Žiga Avsec; Mohammadamin Barekatain; Jun Cheng; Julien Gagneur;
展开▼
作者单位

展开▼
年度 2017
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks [J] . Avsec Ziga, Barekatain Mohammadamin, Cheng Jun, Bioinformatics . 2018,第8期

机译：用花粉变换模拟调节序列的位置效应提高了深神经网络的预测精度
2. TopModel: Template-Based Protein Structure Prediction at Low Sequence Identity Using Top-Down Consensus and Deep Neural Networks [J] . Mulnaes Daniel, Porta Nicola, Clemens Rebecca, Journal of chemical theory and computation: JCTC . 2020,第3期

机译：TopModel：使用自上而下的共识和深神经网络，基于模板的蛋白质结构预测低序列标识
3. Robust modelling and prediction of thermally induced positional error based on grey rough set theory and neural networks [J] . Cheng Qiang, Qi Zhuo, Zhang Guojun, The International Journal of Advanced Manufacturing Technology . 2016,第5a8期

机译：基于灰色粗糙集理论和神经网络的热定位误差的鲁棒建模与预测
4. Sequence Translating Model Using Deep Neural Block Cascade Network: Taking Protein Secondary Structure Prediction as an Example [C] . Yu Hu, Tiezheng Nie, Derong Shen, IEEE International Conference on Big Data and Smart Computing . 2018

机译：深度神经区块级联网络的序列翻译模型：以蛋白质二级结构预测为例
5. In Silico Prediction of Protein Sequence Classification and Post Translational Modification Sites Using Deep Neural Networks [D] . White, Clarence R., Jr. 2018

机译：使用深度神经网络进行蛋白质序列分类和翻译后修饰位点的计算机模拟预测
6. Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks [O] . Žiga Avsec, Mohammadamin Barekatain, Jun Cheng, -1

机译：用样条变换对调节序列的位置效应进行建模可提高深度神经网络的预测精度
7. Using principal component analysis to increase accuracy of prediction of metabolic syndrome in artificial neural network and logistic regression models [O] . Sedehi M., Mehrabi Y., Khodabakhshi A. 2011

机译：使用主成分分析提高人工神经网络和Logistic回归模型中代谢综合征的预测准确性

Modeling positional effects of regulatory sequences with spline transformations increases prediction accuracy of deep neural networks

著录项

引文网络

相似文献

相关主题

期刊订阅