A comprehensive survey of numerical linear algebra that covers linear equation, least squares, and eigenvalue problems. Algorithmic in spirit but with plenty of analysis.

大师级人物 Simo 的计算非弹性力学，经典教材

gnina（发音为NEE-na）是一个分子对接程序，具有使用卷积神经网络对配体进行评分和优化的综合支持。 这是的叉子，是的叉子。 帮助 请。 提供一个示例Colab笔记本，其中显示了如何使用gnina。 引文 如果您发现gnina有用，请引用我们的论文： GNINA 1.0：分子对接与深度学习（主要应用引用） 阿McNutt，P Francoeur，R Aggarwal，T Masuda，R Meli，M Ragoza，J Sunseri，DR Koes。 ChemRxiv，2021年 卷积神经网络的蛋白质配体评分（主要方法引用） M Ragoza，J Hochuli，E Idrobo，J Sunseri，DR Koes。 J.化学。 Inf。 模型，2017 基于原子网格的卷积神经网络的配体姿态优化M Ragoza，L Turner和DR Koes。 分子与材料的机器学习NIP

基于整合生物计算的额叶皮质脑性艾滋病（HIVE）与非脑性艾滋病患者的OAS1网络构建和分析，李昊，王琳，单分子疾病功能网络的构建和分析以确定预后和治疗的新型和潜在疾病目标非常有用。本文整合了基于线性规划和分解过程的网络推断算

Computational+Conformal+Geometry pdf

该书从基因、RNA、蛋白质、表观遗传学四个方面介绍计算生物学和生物信息学知识、案例。作者是Ka-Chun Wong。该电子书文字可复制。

《Computational Complexity: A Modern Approach》是一部将所有有关复杂度知识理论集于一体的教程。将最新进展和经典结果结合起来，是一部很难得的研究生入门级教程。既是相关科研人员的一部很好的参考书，也是自学人员很难得的一本很好自学教程。本书一开始引入该领域的最基本知识，然后逐步深入，介绍更多深层次的结果，每章末都附有练习。对复杂度感兴趣的人士，物理学家，数学家以及科研人员这本书都是相当受益。

可疑制作matlab代码回归-计算-智能 此作业的目的是研究TSK （Takagi-Sugeno-Tang）模型拟合多变量非线性函数的能力。 特别是，使用来自 和 模糊神经模型的两个数据集，我们试图从可用数据中估计目标属性。 第1部分 第一个数据集用于对此类模型的训练和评估过程进行简单调查，并说明分析和解释结果的方式。 检查的模型有四个，它们在隶属函数的数量（2 或 3）和输出类型（单例或多项式）方面各不相同。 在这种情况下，数据集的小尺寸允许我们使用Grid Partition方法进行输入空间划分。 数据集： 第2部分 第二个更复杂的数据集用于更完整的建模过程，其中包括预处理步骤，例如特征选择和通过交叉验证优化模型的方法。 由于数据集较大，可能会出现规则爆炸等问题。 为了避免这种情况，首先，我们为输入分区部署了另一种称为减法聚类（SC）的方法，并且还需要通过选择最重要的特征来降低数据集的维数并拒绝不太有用的特征。 之后，我们应用Grid Search和5-fold Cross Validation来找到特征数量和集群半径的最佳组合，从而使验证误差最小。 使用该过程产生的结果，我们训练

Book-list-of-computational-geometry-and-computer-graphics Book list of computational geometry and computer graphics 计算几何和计算机图形学书单 持续更新中，本次更新时间2021年4月10日，未完待续！ 计算机图形学 Physically Based Rendering From Theory To Implementation 封面 书名 下载链接 Physically Based Rendering From Theory To Implementation(First Edition) Physically Based Rendering From Theory To Implementation (Second Edition) Physically Based Ren

Introduction to Computation and Programming Using Python中涉及的面非常广，包括基本的数据处理、动态规划、面向对象编程等等