机器学习技术在生物信息挖掘中的方案探讨

后基因时代,探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题,有效及廉价的方法是非常必要的.机器学习是一个崭新的计算机应用领域,而生物信息学是生物学与计算机科学以及应用数学等学科相互交叉而形成的一门新兴学科.本文分析了机器学习技术的内容,介绍了生物信息学的内涵和新的应用技术,同时探索了机器学习技术对生物信息挖掘应用的途径.这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展.     

大数据生物特征识别技术研究进展

随着机器学习领域研究的持续发展,特别是深度学习方面的进步及图像处理器(GPU)等算力的持续提高,利用生物特征大数据的识别技术获得广泛关注,并在人证比对、智能监控以及疫情防控等多个领域取得了很好的应用.分析了大数据生物特征识别技术的发展态势,总结了生物特征类型以及大数据驱动的生物特征识别技术发展与应用,探讨了大数据生物特征识别技术的未来发展趋势.     

大数据生物特征识别技术研究进展

随着机器学习领域研究的持续发展,特别是深度学习方面的进步及图像处理器(GPU)等算力的持续提高,利用生物特征大数据的识别技术获得广泛关注,并在人证比对、智能监控以及疫情防控等多个领域取得了很好的应用.分析了大数据生物特征识别技术的发展态势,总结了生物特征类型以及大数据驱动的生物特征识别技术发展与应用,探讨了大数据生物特征识别技术的未来发展趋势.     

机器学习与人脸识别方法概述

对机器学习与人脸识别的基本含义和主要方法进行了概述.提出融合人脸的多种生物特征,改进现有的机器学习算法,并进一步推进机器学习方法在人脸识别中的应用,将十分有利于人脸识别精度的改善和人脸识别速度的提高.     

机器学习技术在生物信息挖掘中的方案探讨

后基因时代，探索和解释隐藏在分子生物学数据库中的有用信息是对生物信息学研究人员的巨大挑战!为了解决分子生物学中遇到的这些难题，有效厦廉价的方法是非常必要的．机器学习是一个崭新的计算机应用领域，而生物信息学是生物学与计算机科学以厦应用数学等学科相互交叉而形成的一门新兴学科．本文分析了机器学习技术的内容，介绍了生物信息学的内涵和新的应用技术，同时探索了机器学习技术对生物信息挖掘应用的途径．这些方法有助于加速生物分子结构预测、基因发现、基因组学和蛋白组学等方面的研究进展．     

科学的数据挖掘和知识发现 原则和基础

随着数据存储技术的发展,大型的数据库为保证机器学习和统计等许多领域的研究人员发展能应用于不同领域科学的数据分析新技术提供了可能。特别在生物、化学、物理和天文学等学科中,统计方法、计算方法和机器学习等技术已经有了非常显著成功的应用。随着本体论和知识表示的新发展,自动科学发现（ASD）具有很光明的前景,并且将走得更远。     

社会网络分析中的机器学习技术综述

机器学习是智能数据分析的有力工具,可以对社会网络数据进行建模。文中讨论了机器学习技术在社会网络分析(Social Network Analysis,简称SNA)领域中的应用,尤其综述了对象分类、链接预测、群体检测等SNA子任务中的机器学习技术。此外,还分析了在SNA中使用机器学习技术所面临的若干问题和挑战,最后给出了SNA中机器学习技术的研究前景。     

机器学习及其算法和发展研究

目前,机器学习领域的研究与应用取得了巨大进展,我们有必要对机器学习有个全面的认识.为此,本文对机器学习进行了较为系统的介绍,从机器学习的概念开始,综述了机器学习的发展简史及其分类,然后重点分析了机器学习的经典算法,接下来阐述了机器学习的最新研究进展、愿景及应用,最后探讨了机器学习面临的挑战.     

基于机器学习的裂纹识别研究现状及发展趋势

裂纹识别一直是机器视觉领域的重要研究内容,尤其是与之相关的自动检测算法在近年来备受关注.深度学习作为机器学习的一个分支,其在裂纹识别方面已显现出强大的功能和灵活性.本文对基于机器学习的裂纹识别技术的发展情况、研究现状以及典型方法进行详细介绍:首先介绍了多种机器学习方法在裂纹识别领域的应用,并从特征提取算法和应用对象等方...     

机器学习在生物信息学中的应用

机器学习具有从数据和经验中获取知识的学习能力，能用于从大量生物数据中提取知识的过程。生物信息学是一个融合多门学科的领域，包括分子生物学、计算机科学、物理化学和数学。机器学习算法已成为生物信息学中数据分析算法的主要内容。介绍了典型的机器学习方法以及它们在生物信息学中的应用。     

一种学习控制器及其在液压同步控制中的应用

文中将模糊推理与决策技术引入学习控制，形成了一类新的学习控制系统。分析模糊学习系统的收敛性，给出了收敛性定理，并将模糊学习系统应用于液压同步控制系统。实验表明，这种学习控制方法是有效的。     

基于个性的协同强化学习模型

将个性行为绑定到信息Agent上,提出了一种基于个性的协同强化学习算法,让不同个性的Agent充当合适的角色.基于共同的目标和相同的信息,Agent可能产生共同的意图,规划出共同的行为,使得MAS可以适用于动态、实时、有干扰、对抗的环境中.     

支持向量机与人工神经网络

支持向量机（Support Vector Machine,SVM）是由Vapnik等人提出的一种基于统计学习理论的新型机器学习算法;而人工神经网络（Artificial Neural Network, ANN）已经成功用于解决模式识别和任意非线性函数回归估计问题中. 介绍了支持向量机与人工神经网络的基本原理,并对二者进行了逼近方面的比较,结果表明,支持向量机作为一种新兴技术而具有的独特的优越性.     

高中英语教学中学生自主学习能力的培养

本文简要介绍英语自主学习(autonomous learning)能力培养的基本方法和策略,指导学生提高学习效率,使学生乐学、好学、会学。     

构建基于网络的协作学习教学环境

介绍了协作学习的概念,在此基础上引出了基于网络的协作学习,并对基于网络的协作学习的类型及基本模式进行了介绍,给出了在局域网范围内构建协作学习平台的功能设计.     

E-Learning环境下引领式学习模式初探

介绍了3种混合式学习模式,引入了混合式学习模式下的新的学习模式--引领式在线学习模式,提出了引领式在线学习模式教师引领的5个阶段的教学策略.     

机器学习研究

由于Internet的使用，不分时间与地域地获得信息已成为现实，但是，如何有效利用这些信息，并使用这些信息提高生产率成为迫切需要解决的问题．机器学习是解决这类问题的有效方法之一．在此将对目前机器学习研究的主要趋势、理论与技术以及存在的问题，根据作者的研究经验进行综述，以便引起研究者的注意．     

个性化和协作式网络学习环境的研究与应用

介绍了基于网络的学习环境的含义,重点介绍了基于网络的个性化和协作式学习环境的设计和实现。     

语言的内隐学习研究及其对语言学习的启示

介绍了在母语语言学习及第二语言学习中内隐学习的实验研究的方法及其研究结果。在对研究结果进行分析评述后,提出了在语言学习中有效利用内隐学习的具体对策。