MEK/ERK和PI3K/Akt信号通路参与调节肿瘤细胞对TRAIL敏感性的研究，方方，洪素丽， 

MATLAB典型代码葡萄糖-胰岛素动力学神经网络模型的一致性验证 Taisa Kushner，Sirram Sankaranarayanan和Marc Breton 接触： 介绍 这包含标题为“葡萄糖-胰岛素动力学神经网络模型的一致性验证”的论文的“可重现性”软件包： 该软件包中包含以下内容： 代码： a）该软件包中包含用于验证神经网络的sherlock工具，位于目录DataBased/src 。 看这里： b）一个Python脚本，它在目录MaxDifferenceOptimization下并行设置两个网络的编码以执行神经网络的单调性检查。 c）用python3中的胶水代码生成本文中包含的图。 请注意，本文中的实际图使用Matlab。 为了方便起见，此可重复性软件包使用了带有matplotlib库的python3。 神经网络： BGNetworks目录中包含三个神经网络。 这些网络都具有$ 7 $葡萄糖输入G（t），G（t-5），...，G（t-30）和$ 7 $胰岛素输入u（t），..，u（t-30）。 它们具有代表血糖水平预测G（t + 60）的单个输出。 提供了三个不同的网络。

此功能旨在通过简单地提供数据来轻松使用。 轴名称、灵敏度值、绘图保存和函数定义是可选的函数输入。 该函数返回两个具有低灵敏度值和高灵敏度值的向量以及龙卷风图。 语法是： [low,high]=TorPlot(data,names,0.2,true,fh); 其中 data=[1,2,3...] 和 names={'First','Second','Third'...}。 0.2 对应于 20% 的灵敏度分析，true 表示绘图将作为“Objective.png”自动保存在工作目录中。 fh 是函数句柄，即：@my_fun。 包含一个示例，可通过键入 help TorPlot 或打开文件来访问。

ssdtools ssdtools是一个R软件包，用于绘制和拟合物种敏感度分布（SSD）。 SSD是累积概率分布，适合于不同物种的毒性浓度，如Posthuma等人所述。 （2001）。 ssdtools软件包使用最大似然来拟合分布，例如对数正态，伽马，对数逻辑，对数古姆贝尔，Gompertz和Weibull。 用户还可以提供自定义发行版。 可以使用信息标准对多个分布进行平均。 通过参数自举产生危害浓度和比例的置信区间。 安装 要从安装最新版本 install.packages( " ssdtools " ) 要安装最新的开发版本： install.packages( " remotes " ) remotes :: install_github( " bcgov/ssdtools " ) 介绍 ssdtools提供了包括硼在内的多种化学物质的数据集。 library( ssdto

Landslide-sensitivity-mapping

灵敏度(sensitivity)分析 假设:N个样本,3个特征属性F1/F2/F3 (1)分别计算各个特征属性的均值/标准差 (2)将(m1,m2,m3)作为输入端,模型输出结果为M (3)若要测试F1对应变量的影响 则：输入(m1+1*10%, m2, m3)，…… 输出M+M1，计算 (4)分别计算 可比较3个特征属性对输出的影响结果

精确度、特异性、灵敏度和准确度指标的快速实现

窗帘和比法matlab代码模型敏感性分析 用于分析模型参数敏感性的拉丁超立方采样和部分秩相关系数。 LHS + PRCC 是研究数学模型对其参数的敏感性的有用方法。 这有助于开发模型以了解其在各种参数范围内的行为，以及更好地了解参数估计中的不确定性如何影响模型给出的结果。 该过程的概述以 pdf 幻灯片格式提供。 蒙特卡罗研究中用于参数采样的 LHS 方法首先由 . 在不久的将来，BioRxiv（作为数学肿瘤学频道的一部分）将对该方法的实用性进行简要说明。 该存储库包含在 matlab 或 python 中进行 LHS+PRCC 分析的代码，具体取决于用户偏好。 MATLAB Matlab 文件 LHSPRCC.m 是主要代码文件，它调用函数 DrawSamples.m 来执行拉丁超立方体采样步骤、用于完成蒙特卡罗模拟的任何用户指定的模型函数，以及 UnariedPRCC.m 或 VariedPRCC.m计算部分秩相关系数（在单个时间/位置索引或所有时间/位置）。 LHSPRCC.m 还调用函数 plotSampleHists.m、plotSimulationOutput.m 和 pl

几何布朗运动的matlab代码应用数学价格敏感性准随机 价格敏感性和准随机数 在这个存储库中，有计算金融方法中使用的两个重要主题的解释和脚本。 陈述的两个主题，其详细信息在演示文件“ americanop&pricesen.pdf ”中给出，是： 期权价格敏感性的蒙特卡罗计算 价格敏感度是根据不同的指标计算的，每个敏感度计算都与一个唯一的希腊符号相关联。 最受欢迎的希腊人是从 Black-Scholes 公式中得出的。 用于为欧洲看涨期权和看跌期权实现 Vega 几何布朗运动的 Matlab 代码： PW_Vega_CallPut.m 使用似然比方法（包括红利）计算 delta 和 gamma 的 Matlab 代码： EurLik.m 使用有限差分法计算 delta 和 gamma 的 Matlab 代码： finitedif.m Black-Scholes 数字看涨期权解决方案： digital_call.m 使用“digital_call.m”（不包括股息）计算似然性： likelihood.m 准随机序列 数字的准随机序列看起来像随机数，因为它看起来不可预测。 然而，它们是用于

《A Sensitivity Analysis of (and Practitioners’ Guide to) Convolutional》原文及译文