一种基于半监督学习的深度状态空间模型在植物生长建...
一种基于半监督学习的深度状态空间模型在植物生长建模中的应用研究培育优质高产的作物一直是科学家们追求的目标，人们通过一系列先进的栽培技术来实现此目标。比如对于番茄的培育，由于干旱胁迫有利于番茄的糖分积累，所以人们可以运用精准灌溉技术来控制水分的供给量从而优化番茄果实品质，然而这项技术并没有在农田实践中得到广泛地推广和应用。近年来，很多研究者致力于通过监测水分胁迫引起的植株生长变化，利用深度神经网络技术来评估植物缺水程度，这些研究在一定程度上提高了水分胁迫栽培技术。然而，前人并没有对如何通过水分胁迫来调控果实糖含量（Sugar content）的技术进行深入探讨。所以，近年来，人们对培育高产稳产的具有理想糖含量的温室番茄产生了浓厚的兴趣，期望建立一个基于强化学习（Reinforcement Learning，RL）的植物生长模型，来高效地评估温室番茄的糖含量变化。但是，（i）建模需要一个较大的数据集，由于需要使用......阅读全文
机器学习模型首次在太空检测云层变化
原文地址：http://news.sciencenet.cn/htmlnews/2023/8/505829.shtm
基因组密码被解锁：深度学习模型破解非编码区奥秘
人类基因组中超98%的遗传变异位于非编码区，这些变异通过调控染色质可及性、三维构象、剪接加工等多种分子机制影响基因表达，最终导致疾病发生。由于调控机制的复杂性和细胞类型特异性，目前解读非编码变异的分子效应仍是重大挑战。现有深度学习模型在预测功能基因组特征时，往往在输入序列长度与预测分辨率之间难以兼顾
化学所发展基于深度学习的蛋白质单分子分析新方法
蛋白质是生命活动的物质基础和主要承担者，许多重要的蛋白质以复合物或多聚体形式参与信号转导、离子转运、免疫响应等众多生理过程，蛋白质的化学计量组成与其生物功能的调控及多种疾病的发生发展密切相关。因此，在生理条件下定量表征蛋白质的化学计量比（亚基组成数或蛋白聚集状态），对于研究蛋白质的相互作用、阐明
深度学习在基因表达谱分析上取得重要进展
近日，一项刊登在国际杂志Bioinformatics上的研究论文中，来自加州大学尔湾分校和博德研究所的研究人员通过深度学习算法进行大规模基因表达预测，并在预测精度上获得了显着提升。 全基因组表达谱分析被广泛应用于描述细胞在不同生理病理条件下的活动状态，例如不同的癌组织细胞在各种给药条件下会产生
华南植物园团队开发基于植物功能性状的物种筛选模型
如何有效地进行生态恢复是当前生态学的一个重点研究方向，也是我国生态领域的重大需求之一。解决上述问题的关键是选取合适的恢复物种。传统研究中依靠人工经验和长时间的试种来完成此项工作，花费时间长，成功率低。基于具有相同恢复功能的物种在植物功能性状上存在一定相似性，科研人员开发了一个基于植物功能性状的物
我所开发出新型深度学习模型应用于电池寿命预测
近日，我所能源催化转化全国重点实验室动力电池与系统研究部（DNL29）陈忠伟院士、毛治宇副研究员团队，联合西安交通大学冯江涛教授，在电池健康管理领域取得新进展。合作团队开发了一种新型的深度学习模型，有效地解决了传统方法对大量充电测试数据的依赖，为电池实时寿命预估提供了新的思路，实现了锂电池寿命的端到
研究提出基于弱监督学习的冷冻电镜颗粒挑选新方法
生物大分子的结构与功能随着细胞生理状态的变化而不断进行动态调整。原位结构生物学是在接近自然生理状态下研究生物大分子结构和功能的科学。原位冷冻电镜技术（Cryo-ET）以高分辨率和在接近生理条件下观察样品的特点，成为原位结构生物学研究的关键手段。原位冷冻电镜的技术流程涉及样品制备、数据采集、电子断
研究提出基于弱监督学习的冷冻电镜颗粒挑选新方法
生物大分子的结构与功能随着细胞生理状态的变化而不断进行动态调整。原位结构生物学是在接近自然生理状态下研究生物大分子结构和功能的科学。原位冷冻电镜技术（Cryo-ET）以高分辨率和在接近生理条件下观察样品的特点，成为原位结构生物学研究的关键手段。原位冷冻电镜的技术流程涉及样品制备、数据采集、电子断层重
TPU将成深度学习的未来？（二）
能够进行数据推理的第二代TPU第一代的TPU只能用于深度学习的第一阶段，而新版则能让神经网络对数据做出推论。谷歌大脑研究团队主管Jeff Dean表示：“我预计我们将更多的使用这些TPU来进行人工智能培训，让我们的实验周期变得更加快速。”“在设计第一代TPU产品的时候，我们已经建立了一个相对
TPU将成深度学习的未来？（一）
在Google I/O 2016的主题演讲进入尾声时，谷歌的CEO皮采提到了一项他们这段时间在AI和机器学习上取得的成果，一款叫做Tensor Processing Unit（张量处理单元）的处理器，简称TPU。在这个月看来，第一代的TPU处理器已经过时。在昨天凌晨举行的谷歌I/O 2017
使用生成对抗模型创建基于田间的玉米穗数据方法Tasse...
使用生成对抗模型创建基于田间的玉米穗数据方法TasselGAN简介基于田间的植物表型分析是在植物的整个生长周期和自然生长环境中研究所需植物性状的过程。对所需性状的观察会使用多种传感器（如相机等）来进行，并且需要处理的数据量可能会非常大。多种成像技术和机器学习算法的出现，已使基于图像的高通量表型分析算
科研人员开发出基于深度学习的小麦旗叶夹角测量新方法
旗叶夹角是决定小麦群体大小、群体光能拦截效率以及通风透光性能的关键农艺性状，是小麦株型的重要构成因素之一。旗叶夹角因长期依赖人工测量，导致效率低、精度差、主观性强，难以满足大规模精准育种和栽培管理的需求。因此，低成本、高精度测量小麦旗叶夹角成为当前亟需解决的技术瓶颈。近日，中国科学院遗传与发育生物学
识别田间条件下小麦的穗区域的表型分析方法
2019年6月，Plant Phenomics刊发了由来自英国诺里奇研究所（Norwich Research Park）的Tahani Alkhudaydi等人撰写的题为An exploration of deep-learning based phenotypic analysis to dete
深度学习算法“解密”脑活动
英国《自然·医学》杂志9月25日在线发表的一项研究，报告了一种可以分析四肢瘫痪患者大脑活动的深度学习算法。该算法已被用于向患者的前臂肌肉传递电刺激，从而恢复瘫痪肢体的功能性运动。 慢性瘫痪患者的生活质量可以通过脑机接口加以改善。脑机接口可以将控制运动的中枢神经系统回路和辅助设备（例如计算机光标
AI侦探敲碎深度学习黑箱
研究人员创建了能填补照片空白的神经网络，以鉴别人工智能瑕疵。 Jason Yosinski坐在美国加州旧金山的一个小型玻璃办公室内，陷入了对人工智能的沉思。作为优步公司的研究科学家，Yosinski正为在笔记本电脑上运行的人工智能（AI）进行“脑外科手术”。 很多AI将改变人类现代生活，例如
BMC－Biology：基于深度学习预测E3泛素连接酶识别位点
真核细胞内蛋白质的降解依赖于自噬及泛素-蛋白酶体系统（2004年诺贝尔化学奖）。其中，泛素-蛋白酶体系统负责降解细胞内超过80%的蛋白，该系统的关键酶为E3泛素连接酶，负责识别要被降解的底物蛋白并将其泛素化。人体内表达600余种E3，这些E3以特定规则结合不同底物蛋白，从而实现降解过程的特异性。底物
研究团队在深度学习泛化能力研究中获进展
近日，中国科学院沈阳自动化研究所机器人学国家重点实验室在深度学习泛化能力研究中取得进展，相关研究成果Depth selection for deep ReLU nets in feature extraction and generalization为题，发表在IEEE Transactions
机器学习技术加速植物精准设计育种
种子被誉为农业的“芯片”，育种科技创新是推动农业发展的核心动力。未来植物育种的新范式是基因组学、基因编辑、合成生物学等生物技术（BT）与数据科学、机器学习、人工智能等信息技术（IT）的多元化融合。农业农村部“十四五”规划将“智慧种业”列在“智慧农业”领域七大攻关任务之首。任务中明确提出：构建数字化育
细菌在半固体培养基中的生长现象
1、半固体培养基用于观察细菌的动力。2、有鞭毛的细菌除了在医`学教育网搜集整理穿刺接种的穿刺线上生长外，在穿刺线的两侧均可见羽毛状或云雾状浑浊生长，为动力阳性。3、无鞭毛的细菌只沿穿刺线呈明显的线状生长，为动力试验阴性。
细菌在半固体培养基中的生长现象
细菌在半固体培养基中的生长现象是检验主管技师考试辅导的部分内容，以下是医学教育网对这块内容的整理，希望对考生有所帮助： 半固体培养基用于观察细菌的动力，有鞭毛的细菌除了在穿刺接种的穿刺线上生长外，在穿刺线的两侧均可见羽毛状或云雾状浑浊生长，为动力阳性。 无鞭毛的细菌只沿穿刺线呈明显的线状生长
细菌在半固体培养基中的生长现象
1、半固体培养基用于观察细菌的动力。2、有鞭毛的细菌除了在医`学教育网搜集整理穿刺接种的穿刺线上生长外，在穿刺线的两侧均可见羽毛状或云雾状浑浊生长，为动力阳性。3、无鞭毛的细菌只沿穿刺线呈明显的线状生长，为动力试验阴性。
机器学习模型预测中风？
中风的诊断可能很棘手，因为患者并不总是表现出典型的症状，而且其他疾病也可能模仿它。研究人员利用现有数据开发了一种机器学习模型，可以准确预测中风，并可能使诊断变得更容易。诊断错误是一个主要的公共卫生问题，造成了可预防的病人伤害和卫生超支。由于诊断错误而导致的可预防的中风死亡比误诊的心脏病发作要常见30
高分三号SAR影像在国家海域使用动态监测中的应用（三）
5.2 养殖浮筏信息提取近些年，极化SAR图像的识别分类得到了广泛地研究，主要可以分为非监督和有监督两大类方法[27]。非监督方法仅仅根据遥感数据自身特性，无需人工辅助实现最终聚类，更适合于大范围目标识别[28,29]。有监督分类方法不需要任何假设条件，针对精细化分类，可以获得较高的精度[30]。5
科研人员开发基于植物功能性状的物种筛选模型
如何有效地进行生态恢复是当前生态学的一个重点研究方向，也是我国生态领域的重大需求之一。解决上述问题的关键是选取合适的恢复物种。传统研究中依靠人工经验和长时间的试种来完成此项工作，花费时间长，成功率低。基于具有相同恢复功能的物种在植物功能性状上存在一定相似性，科研人员开发了一个基于植物功能性状的物
PNAS：溶酶体在调控细胞静息状态深度和老化关系的作用
2019年10月21日，北京大学生物医学前沿创新中心（BIOPIC）、生命科学学院白凡课题组与美国亚利桑那大学姚广课题组合作在《美国国家科学院院刊》（PNAS）上发表题为“Graded regulation of cellular quiescence depth between prolife
空间站试验显示无重力植物仍能正常生长
北京时间12月17日消息，据《探索》杂志报道，一粒种子埋入土中后，它的根会向下生长，以便寻找水源和营养物质。但是如果没有“下面”的供根生长，又会出现什么情况呢?科学家把种子带上国际空间站，非常吃惊地看到在没有重力引导植物的根向下生长时的情况。 科学家用拟南芥进行试验，对植物生物学家而言
瑞士科学家提出一种预测系统量子状态的计算机学习程序
由于量子效应的影响十分复杂，微观物理系统量子状态的测定需要对其状态进行非常精密的准备并进行反复多次测定。据瑞士苏黎世联邦理工大学消息，该校理论物理研究所一个国际科研团队应用神经元信息网络原理，提出一种具有学习功能的计算机程序，能够根据有限的实验数据，通过不断的“学习”和纠错，逐步“学会”系统量子
如何观察细胞生长的状态
真菌污染；支原体污染，培养基内会有一团丝状物体细菌污染，培养基一般会变浑浊，最常见，肉眼可见，培养基会有黑色小点
基于ASM模型的出水水质预测机理模型
为了推动和规范活性污泥模型的发展，国际水协会(International Water Association, IWA)于1983年组织南非、日本、美国、丹麦、荷兰五国专家成立活性污泥通用模型国际研究小组，致力于新的活性污泥数学模型的开发，并于1987年、1995年和1999年陆续推 出了3个ASM
研究者提出一种新的基于AI的径流洪水预测模型
全球95%以上的中小流域没有任何监测数据，这些无资料地区径流和洪水预测一直是水文领域长期面临的科学难题。近日，中国科学院成都山地灾害与环境研究所研究员欧阳朝军团队提出了一种新的基于AI的径流洪水预测模型ED-DLSTM，通过编码流域静态属性和气象驱动，利用全球2000多个水文站数据进行模型训练，以解