亚临界/超临界CO2处理对Pseudomonas cepacia脂肪酶活力和结构的影响,陈大伟,刘云,本文探讨了亚临界/超临界CO2介质中压力、温度和时间对Pseudomonas cepacia脂肪酶(PCL)活力和结构的影响。结果表明,在一定的压力和温度�
2025-11-23 12:09:33 368KB 首发论文
1
含外源hrpZ基因的土壤假单胞菌593在烟草、大豆叶片上诱发典型的超敏反应,龙德亮,何火光,假单胞菌593 (Pseudomonas sp.593)是一株不诱发烟草、大豆超敏反应的土壤细菌。从植物致病菌丁香假单胞菌丁香致病变种(Pseudomonas syringae pv. S
2025-11-23 11:28:37 434KB 首发论文
1
Pseudomonas sp.IM-4降解咪草烟的特性及代谢产物,潘继杰,宋嫚,本文对Pseudomonas sp.IM-4的降解咪草烟的特性及其代谢产物进行了研究。当初始浓度为60mg/L时,接种IM-4后72h对咪草烟的降解率为84.7%,随着�
2025-11-23 09:30:59 418KB 首发论文
1
抗生素压力下不同亚型铜绿假单胞菌表现相似耐药趋势,刘振洪,徐艳,铜绿假单胞菌是广泛传播的条件致病菌。因其具有多重耐药性的特点,因此常常使临床治疗复杂化,甚至导致免疫力低下的病人死亡。然
2025-11-23 09:05:52 411KB 首发论文
1
元伪标签 安装套件 pip3 install SOTA-SSL 用法 import torch from SOTA_SSL_Models import SimSiam from torchvision import models model = SimSiam(args) 笔记 我发现直接使用SimCLR增强有时会导致模型崩溃。 这可能是由于SimCLR增强太强的事实。 在预热阶段采用MoCo增强会有所帮助。 数据集 data/ imagenet/ train/ ... n021015556/ .. n021015556_
2023-03-12 15:28:57 220KB docker latex imagenet pytorch-implementation
1
这些函数专门用于在低秩的情况下执行逆运算
2022-12-30 16:25:40 6KB matlab
1
提出了使用改进的伪逆方法从CIE三刺激值恢复光谱反射率的过程。 与以前的光谱恢复方法不同,此方法使用基于颜色特征匹配的新样本选择标准来选择一系列合适的样本,以创建自适应的变换矩阵来重建光谱反射率。 考虑到计算时间和准确性,通过预先划分光谱反射率来创建动态子组,并通过动态子组中的样本与目标样本之间的样本相似性/不相似性来创建自适应子集。 因此,代替仅将一个变换矩阵应用于重构过程,而是使用颜色特征匹配从自适应子集获得了一系列自适应变换矩阵。 这项研究应用了三个不同的光谱反射率数据集和三个不同的误差度量。 根据所考虑的所有误差度量,该方法非常准确,并且优于伪逆方法和加权伪逆方法,它们在重构光谱反射率方面是有效的。
1
运用双频伪码/载波相位组合方式求解整周模糊度的方法实现星间链路中的载波相位测距。在双频伪码/载 波相位组合原理的基础上,对不同组合方式下的测量误差进行分析,并研究了增大载波频率时的载波相位测距手段。仿真 结果表明,算法能得到较准确的整周模糊度值和精度较高的测距值,实现了载波相位高精度测距。
1
1.引言 在监督学习领域,人类已经取得了很大的进步,但这也意味着我们需要大量带标签的数据来训练模型,这些算法需要把这些数据扫描一遍又一遍来寻找最优模型参数。然而现实生产活动中,带标签的数据相对缺乏,海量的无标签数据没有得到充分利用,本篇博文将浅显的介绍下一种半监督方法——伪标签。 2.什么是伪标签 伪标签是将可靠的测试数据的预测结果添加到训练数据。伪标签的建立过程大概有五步:(1)利用训练数据建立模型;(2)预测未知测试数据集的标签;(3)在训练数据中加入可靠的测试数据预测值;(4)利用组合数据训练新模型或微调第一步中的模型;(5)使用新模型预测测试集数据。 3. 训练过程 本篇博文参考的是
2022-09-12 22:08:16 191KB ab do lab
1
移动开发-假微型海链藻(Thalassiosirapseudonana)氮限制环境下转录组合蛋白组调控分
2022-06-24 09:06:15 8.09MB 移动开发-假微型海链藻(Thal