早在三月份,就开放了实施“具有池化或跨越层的CNN的快速密集特征提取”,虽然未广为人知,但2017年BMVC发表的论文提供了一种高效优雅的解决方案,可以避免在使用时避免计算冗余基于补丁的卷积神经网络。因此在这篇文章中,将解释该模型的工作原理,并展示如何在实际应用程序中使用它。
在互联网行业,无论是构建搜索推荐系统,还是智能营销等场景,都是围绕用户进行不同的实验,从各项指标上观察用户对不同交互、流程、策略、算法等反馈,进而对产品、营销策略、搜索推荐算法等进行迭代改进。
从JDK 7版本开始,Java新加入的文件和网络io特性称为nio2(new io 2, 因为jdk1.4中已经有过一个nio了),包含了众多性能和功能上的改进,其中最重要的部分,就是对异步io的支持,称为Java AIO(asynchronous IO)。 因为AIO的实施需充分调用OS参与,IO需要操作系统支持、并发也同样需要操作系统的支持,所以性能方面不同操作系统差异会比较明显。所以本文也附带介绍了Linux 2.6及以后版本新增的AIO特性(因为这跟Java AIO是对应关系)。 Java AIO
GNN是Graph Neural Network的简称,是用于学习包含大量连接的图的联结主义模型。近年来,图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能,使得与图分析相关的研究领域取得了突破。当信息在图的节点之间传播时GNN会捕捉到图的独立性。
摘要:典型的病例对照研究往往忽略了精神疾病患者的个体异质性,这种研究依赖于群体均值比较。在此,我们对1294例诊断为6种疾病(注意缺陷/多动障碍、自闭症谱系障碍、双相情感障碍、抑郁症、强迫症和精神分裂症)的患者和1465例匹配对照患者的灰质体积(GMV)异质性进行了全面、多尺度的表征。规范模型表明,个人对区域GMV预期的偏差是高度异质性的,在同一诊断的人群中,影响同一地区的<7%。然而,在多达56%的病例中,这些偏差嵌入在共同的功能电路和网络中。显着-腹侧注意系统与其他系统有选择性地涉及抑郁症、双相情感障碍、精神分裂症和注意缺陷/多动障碍。因此,相同诊断的病例之间的表型差异可能源于特定区域偏差的异质定位,而表型相似性可能归因于共同功能回路和网络的功能障碍。
今天给大家介绍密歇根大学的Zhou Xiang教授等人发表在Genome Biology上的一篇文章 “VIPER: variability-preserving imputation for accurate gene expression recovery in single-cell RNA sequencing studies”。本文开发了一种方法,VIPER,在单细胞RNA测序研究中插补零值,以促进在单细胞水平上准确的转录组测量的实现。VIPER基于非负稀疏回归模型,并能够逐步推断一组稀疏的局部邻域细胞,这些细胞最能有效预测用于插补的细胞的表达水平。VIPER的一个关键特征是它保存基因表达变异的细胞的能力。几个精心设计的基于真实数据的分析实验说明了VIPER的优点。
抓取物体堆叠和重叠场景中的特定目标是实现机器人抓取的必要和具有挑战性的任务。在本文中,我们提出了一种基于感兴趣区域(RoI)的机器人抓取检测算法,以同时检测目标及其在物体重叠场景中的抓取。我们提出的算法使用感兴趣区域(RoIs)来检测目标的分类和位置回归。为了训练网络,我们提供了比Cornell Grasp Dataset更大的多对象抓取数据集,该数据集基于Visual Manipulation Relationship Dataset。实验结果表明,我们的算法在1FPPI时达到24.9%的失误率,在抓取我们的数据集时达到68.2%的mAP。机器人实验表明,我们提出的算法可以帮助机器人以84%的成功率掌握多物体场景中的特定目标。
质子磁共振波谱(MRS)是一种非侵入性脑成像技术,用于测量不同神经化学物质的浓度。“单体素”MRS数据通常在几分钟内采集,然后在时间上平均单个瞬态来测量神经化学物质的浓度。然而,这种方法对神经化学物质的快速时间动态不敏感,包括那些反映与感知、认知、运动控制和最终行为相关的神经计算功能变化的神经化学物质。这篇综述讨论了功能MRS (fMRS)的最新进展,现在能够获得神经化学物质的事件相关测量。事件相关fMRS将不同的实验条件呈现为一系列混合的试次。关键的是,这种方法允许以秒级的时间分辨率获得光谱。作者们提供了事件相关的任务设计,MRS序列的选择,分析管道以及事件相关fMRS数据适当解释的全面用户指南。研究者们通过检查用于量化GABA(大脑中的主要抑制性神经递质)动态变化的范式,提出了各种技术考量。总的来说,研究者提出,尽管还需要更多的数据,但事件相关fMRS可以用于测量神经化学物质的动态变化,其时间分辨率与支持人类认知和行为的计算相关。
两次NAT技术允许同时对源IP地址和目的IP地址进行转换。它适用于内部网络中的主机地址与外部网络上的主机地址重叠的情况。在本文中,我们将详细探讨两次NAT技术的原理和应用。
最近,来自波士顿荣军医疗保健系统和哈佛医学院等多个单位的研究人员,在Neuroimage杂志上发表了研究,对FreeSurfer计算海马亚区的两种方法(标准处理和纵向处理)跨站点重复测量的信度进行了评估,进一步验证该方法具有较高的信度。
已有研究表明,作为人类大脑基本特征的大脑功能模块化组织会随着成年期的发展而发生变化。然而,这些研究假设每个大脑区域都属于一个单一的功能模块,尽管已经有趋同的证据支持人类大脑中功能模块之间存在重叠。为了揭示年龄对重叠功能模块组织的影响,本研究采用了一种重叠模块检测算法,该算法不需要对年龄在18 - 88岁之间的健康队列(N = 570)的静息态fMRI数据进行事先了解。推导出一系列的测量来描述重叠模块结构的特征,以及从每个参与者中识别出的重叠节点集(参与两个或多个模块的大脑区域)。年龄相关回归分析发现,重叠模度和模块相似度呈线性下降趋势。重叠节点数目随年龄增长而增加,但在脑内的增加并不均匀。此外,在整个成年期和每个年龄组内,节点重叠概率始终与功能梯度和灵活性呈正相关。此外,通过相关和中介分析,我们发现年龄对记忆相关认知表现的影响可能与重叠功能模块组织的变化有关。同时,我们的研究结果从大脑功能重叠模块组织的角度揭示了与年龄相关的分离减少,这为研究成年期大脑功能的变化及其对认知表现的影响提供了新的视角。
神经成像技术观察到大脑网络连接的枢纽hub,普遍认为枢纽对建立和维持一个功能平台至关重要,在这个平台上可以发生有认知意义和高效的神经元交流。然而,枢纽是静态的(即大脑区域始终是枢纽),还是这些属性会随时间变化(即大脑区域的枢纽波动),我们知之甚少。为了解决这个问题,我们引入了两个新的方法概念,脑连接流和节点惩罚最短路径,然后应用于时变功能连接fMRI BOLD数据。我们表明,激活的枢纽以一种非平凡的方式随时间而变化,枢纽的活动依赖于研究的时间尺度。激活的枢纽数量中较慢的波动超过了预期的程度,这主要是在皮层下结构检测到的。此外,我们观察到枢纽活动的快速波动主要存在于默认模式网络中,这表明大脑连接中的动态事件。我们的结果表明,连接枢纽的时间行为是一个多层次和复杂的问题,必须考虑到特定方法对时变连接性的时间敏感性的特性。我们讨论的结果与正在进行的讨论有关,即静息大脑中存在离散和稳定状态,以及网络枢纽在为神经元跨时间通信提供支架方面的作用。
我们提出了一个使用卷积网络进行分类、定位和检测的集成框架。我们认为在一个卷积网络中可以有效地实现多尺度和滑动窗口方法。我们还介绍了一种新的深度学习方法,通过学习预测目标的边界来定位。然后,为了增加检测的置信度,对边界框进行累积而不是抑制。我们证明了使用一个共享网络可以同时学习不同的任务。该集成框架是ImageNet Large scale evisual Recognition Challenge 2013 (ILSVRC2013)定位任务的获胜者,在检测和分类任务上获得了非常有竞争力的结果。在比赛后的工作中,我们为检测任务建立了一个新的技术状态。最后,我们从我们最好的模型中发布了一个名为OverFeat的特性提取器。
导读: 传统的网络神经科学均以节点为中心,将一些神经元素定义为节点,将节点间的交互关系作为网络的边来搭建网络模型,但这种方法只刻画了节点之间的拓扑关系,没有考虑边与边之间是否存在交互关系,如果存在这种关系又是一种什么样的表现形式,皆不明确。近日于神经科学领域顶级期刊《自然:神经科学》中发表一篇研究就为解答这些问题提供了一种新的网络模型框架。
分割对图像分析是必不可少的。语义分割描述了每个像素与类别标记的关联过程,(例如:花朵、人物、道路、天空、海洋、或者汽车)。
Frédéric Abergel, Adrien Akar 在 Supply chain and correlations (2022) 中利用彭博的供应链数据深入研究了供应链网络本身以及供应链网络社群对股票之间相关性的影响,发现存在供应链关系或位于供应链社群内部的股票之间有更高的相关性,即使在极端行情下也成立,这为能将供应链关系引入风险模型中提供依据。具体内容可以参考公众号之前的文章:基于供应链网络的股票收益分析
现有的深度卷积神经网络(CNNs)需要一个固定大小的输入图像(如224×224)。这一要求是“人为的”,可能会降低对任意大小/尺度的图像或子图像的识别精度。在这项工作中,我们为网络配备了另一种池化策略,“空间金字塔池”,以消除上述要求。这种新的网络结构称为SPP-net,可以生成固定长度的表示,而不受图像大小/比例的影响。金字塔池对物体变形也有很强的鲁棒性。基于这些优点,SPP-net一般应改进所有基于cnn的图像分类方法。在ImageNet 2012数据集中,我们证明了SPP-net提高了各种CNN架构的准确性,尽管它们的设计不同。在Pascal VOC 2007和Caltech101数据集中,SPP-net实现了最先进的分类结果使用单一的全图像表示和没有微调。在目标检测中,spp网络的能力也很重要。利用SPP-net算法,只对整个图像进行一次特征映射计算,然后将特征集合到任意区域(子图像),生成固定长度的表示形式,用于训练检测器。该方法避免了卷积特征的重复计算。在处理测试图像时,我们的方法比R-CNN方法快24-102×,而在Pascal VOC 2007上达到了更好或相近的精度。在2014年的ImageNet Large Scale Visual Recognition Challenge (ILSVRC)中,我们的方法在所有38个团队中目标检测排名第二,图像分类排名第三。本文还介绍了本次比赛的改进情况。
相对熵又叫KL散度,也叫做信息增益,如果我们对于同一个随机变量,有两个单独的概率分布和,我们可以用KL散度来衡量这两个分布的差异。
彩色顶点网格的顶点分辨率和色彩分辨率一样,当网格顶点比较少的时候,色彩信息会损失很多,如下图2所示。彩色贴图网格的色彩分辨率取决于纹理贴图的分辨率,与网格顶点分辨率无关,如图3所示,同样的网格,纹理贴图方式可以存储高于网格分辨率的色彩信息。
论文名称:Collaborative Filtering of Correlated Noise:Exact Transform-Domain Variance for Improved Shrinkage and Patch Matching
早期帕金森病(PD)的诊断仍然是临床上的一大挑战。以往的研究仅用黑质(SN)中的铁、神经肽(NM)或黑体-1(N1)征本身并不能为这些方法的临床应用提供足够高的诊断性能。本研究的目的是利用单个三维磁化传递对比(MTC)梯度回波序列提取代表整个SN的NM复合体体积、铁含量和体积,以及N1征作为潜在的互补成像生物标志物,并评估它们在早期PD中的诊断性能和临床相关性。对40例早期特发性帕金森病患者和40例年龄、性别匹配的健康对照(HCS)进行3T扫描。使用动态编程(DP)边界检测算法半自动地确定NM边界(代表SN部致密区(SNPC)和脑桥臂旁色素神经核)和铁边界(代表总SN(SNPC和SN网状部))。受试者操作特性分析用于评估这些成像生物标志物在早期帕金森病诊断中的作用。应用相关分析研究这些影像指标与临床评分的关系。我们还引入了NM和总铁重叠体积的概念,以证明NM相对于含铁SN的损失。此外,所有80例患者均独立评估N1征象。PD组SN中NM和SN体积低于HCS组,而SN中铁含量高于HCS组。有趣的是,双侧N1信号缺失的帕金森病患者的铁含量最高。单项测量的两个半球的平均值的曲线下面积(AUC)值为:NM复合体体积为0.960;SN总体积为0.788;SN铁含量为0.740;N1标志为0.891。通过二元Logistic回归将NM复合体体积与以下测量中的每一项相结合,得到了右侧和左侧的平均0AUC值:总铁含量为0.976;总SN体积为0.969,重叠体积为0.965,N1符号为0.983。我们发现SN体积与UPDRS-III呈负相关(R2=0.22,p=0.002)。虽然N1标志表现良好,但它不包含任何有关铁含量或NM数量的信息,因此,将该标志与NM和RON测量结合起来,可以更好地解释当N1标志在PD受试者中消失时发生的情况。总之,从单个MTC序列得出的NM复合体体积、SN体积、铁含量和N1征的组合为理解和诊断早期PD提供了补充信息。
从开始到结束,设计稿的每个版本都是很重要的,设计师需要无数次的对比,才能无数次的优化,回想那些恐怖的场景:
早期的基因列表解释依赖于选择一系列高得分的基因,然后建立相当主观奇怪的关系。富集分析是一个自动的,基于严格的统计学的方法来分析和解释很大的基因列表,使用的是先验知识。富集分析来评估输入的基因列表在一个已知功能基因集的上调或下调情况。如果一个基因列表中的基因在这个已知功能集中出现的基因数目显著很多,这很可能预示这,这个生物学过程在作者研究的状况下扮演着重要角色。这个分析可以被其他已知的功能基因集重复,这个功能基因集可能数以千计。 过去几年中,有超过60种富集分析方法和工具出现。他们的主要区别在于 -(a)已知功能基因集的数据库不一样 -(b)用来评估富集的统计学方法不一样。 在接下来的几个部分,我们简要review 基因富集已经存在的几种方法,主要考虑到两个方法。 大多数的富集工具都是来自于GO解释,因为它们对大多数生物来说容易获取,并且覆盖的基因数很多,另外,还有其他一些功能基因集存在,除了GO也还有其他一些工具。功能基因集可以基于他们参与的代谢过程或信号通路来进行定义(比如KEGG,Reactome),也可以由基因表达谱调节的目标基因定义(比如mircoRNA,转录因子),也可以由蛋白质特征定义(比如结构域,染色体位置,与某种疾病的联系,刺激因子,或基因扰动等)。多个来源的功能基因集被一些像MSigDB或WhichGenes收集。不是所有的生物被功能基因集覆盖了,并且很多工具值支持特定的生物。 决定富集的统计学方法要么是基于阈值要么是基于全分布。基于阈值的方法需要用户输入排名靠前的不连续的基因列表,这需要设定一个基于统计学的基因得分阈值。基于超几何分布的Fisher‘s精确单尾检验是阐释这个问题的第一个方法,并且会继续成为这种类型最常使用的方法。这些方法对自然非连续分布列表很有用,但是当对连续的基因得分评判时就有缺点了。尤其,结果如果对阈值的选择不稳定,并且,以二进位的方式对待基因得分有很多信息确实(这里说的二进位指的是要么选中,要么不被选中)。另一方面,基于基因全分布的方法没有门槛threshold-free,因为他们检测基因集靠的是比较他们的得分分布vs背景分布。因为这个原因,他们经常被认为是优于threshold-dependent方法,尤其和一个连续的基因集得分。GSEA(Gene-Set Enrichment Analysis),它的基因排序rank源于差异表达或其他统计学,是最流行的技术之一,虽然也有其他的全分布检验模型被提出。
http://www-scf.usc.edu/~choyingw/works/GAIS-Net/WSAD/CVPRW_CameraReady.pdf
今天在整理我们的R语言可视化课程相关的资料时,发现了一个绘制韦恩图的可视化工具-「ggVennDiagram」,赶紧分享给大家~~
传统的ERP的数据分析方法存在一些严重问题,例如时间窗口和感兴趣区域的随意选取,以及潜在的多成分的混合。时间主成分分析可以有助于解决这些问题,但是它在发展心理学应用中却有一些其他困难,比如年龄差异导致的成分结构差异(违背了测量一致性)。所以,本研究主张对群组运用单独的主成分分析法(Separate PCAs),可以重新缩放单独PCA的结果到原始单元,再进行推理统计。本文使用来自儿童和成人群体的真实数据演示了PCA在发展研究问题上如何应用,同时,还探讨了该方法的一些缺陷。
人类小脑的功能多样性在很大程度上被认为更多地来自于其广泛的联系,而不是局限于其部分不变的结构。然而,小脑内在组织中连接的确定是否以及如何与微尺度基因表达相互作用仍不清楚。在这里,我们通过研究同时连接小脑功能异质性及其驱动因素的遗传基质,即连接因素,来解码小脑功能组织的遗传图谱。我们不仅鉴定了443个网络特异性基因,而且还发现它们的共表达模式与小脑内功能连接(FC)密切相关。其中90个基因也与皮质-小脑认知-边缘网络的FC有关。进一步发现这些基因的生物学功能,我们进行了“虚拟基因敲除”,通过观察基因之间的耦合和FC以及将基因分成两个子集,即,一个涉及小脑神经发育的阳性基因贡献指标(GCI+)和一个与神经传递有关的阴性基因集(GCI−)。一个更有趣的发现是,GCI−与小脑连接-行为关联显著相关,并与许多公认的与小脑功能异常密切相关的脑部疾病密切相关。我们的研究结果可以共同帮助重新思考小脑功能组织背后的遗传底物,并为神经精神疾病中涉及小脑的高阶功能和功能障碍提供可能的微宏观相互作用的机制解释。
Turf.js是JavaScript 空间分析库,由Mapbox 提供,Turf 实现了
Jaccard Index 的含义和 Dice Index 一样,用于计算两个样本的相似度或者重叠度:
解决:单机可加注解DisallowConcurrentExecution解决,集群环境必须靠分布式如quartz集群方案解决,如果保证不了任务的重叠执行,可以用分布式锁或任务执行幂等性来保证。
以基于线性SVM的人体检测为例,研究了鲁棒视觉目标识别的特征集问题。在回顾了现有的基于边缘和梯度的描述符之后,我们通过实验证明了方向梯度(HOG)描述符的直方图网格在人类检测方面明显优于现有的特征集。我们研究了计算的各个阶段对性能的影响,得出结论:在重叠描述符块中,细尺度梯度、细方向边距、相对粗的空间边距和高质量的局部对比度归一化都是获得良好结果的重要因素。新方法在原有MIT行人数据库的基础上实现了近乎完美的分离,因此我们引入了一个更具挑战性的数据集,其中包含1800多张带注释的人类图像,具有大范围的姿态变化和背景。
R-CNN系列论文是使用深度学习进行物体检测的鼻祖论文,其中fast-RCNN 以及faster-RCNN都是沿袭R-CNN的思路。R-CNN全称region with CNN features,其实它的名字就是一个很好的解释。用CNN提取出Region Proposals中的featues,然后进行SVM分类与bbox的回归
多序列比对是对3条以上(包括3条)DNA,RNA或蛋白序列进行比对。基础仍然是双序列比对。 具体就是对多条序列插入空位,是的插入空位后的全局比对结果有相同的长度,并且结果中不能出现一列全部是空位(也就是每条序列的同一个位置都没用字母)。
Destiny,某物流公司数据产品经理,目前从事数据平台搭建和可视化相关的工作。持续学习中,期望与大家多多交流数据相关的技术和实际应用,共同成长。
在语言和其他认知计算研究过程中的一个重要问题是:工具使用是否与语言的句法加工共享计算过程?因为,使用工具的行为可以被认为是给运动计划增加了一个层级结构。而在语言领域,句法加工相互依赖的语言基本元素(即词),它也是一个具有层级结构的认知功能。那么语言的句法层级结构是否具有特异的神经加工机制呢?
新兴的空间转录组(ST)领域的技术发展开辟了一个未经探索的领域,将转录信息置于空间环境中。聚类通常是分析这类数据的核心组成部分。然而,在这些类型的分析中,选择适当的超参数,例如使用正确数量的聚类,是一个挑战。
在学习完上一篇文章Myers'Diff之贪婪算法 之后,我对Android源码中的DiffUtil类进行了阅读发现其算法的实现和文章中的方式并不尽相同,而是在其基础之上再次进行的优化。所以本篇文章是以上一篇Myers'Diff之贪婪算法 文章内容基础之上对它的变体进行再次研究的过程。
在早期大脑发育过程中,由于多种内在和外在的机械力的影响,大脑皮层以一种高度可调节的方式折叠成脑回和脑沟。这种皮层折叠不仅允许更大的表面积来适应颅顶,而且还减少了神经元之间的距离,导致更快的信号传输。因此,脑沟形态的测量与认知表现相关,而皮层折叠的缺失(无脑回畸形)伴有严重的智力迟钝。异常的折叠可由神经元增殖、迁移和分化的缺陷引起,并与主要的神经发育和神经退行性疾病有关。
AI 科技评论按:类比推理是反映语言规则的一种高效方式,本文将介绍一种汉语语言推理任务,论文作者来自北京师范大学和中国人民大学,论文题为:汉语形态语义关系的类比推理(论文地址:http://aclweb.org/anthology/P18-2023)。该论文在 ACL 2018大会上发表,相关资源在Github发布后获得了超过2000星好评。AI 科技评论将论文内容概括如下(感谢论文作者对本文的审核和修改)。
AI 研习社按:类比推理是反映语言规则的一种高效方式,本文将介绍一种汉语语言推理任务,论文作者来自北京师范大学和中国人民大学,论文题为:汉语形态语义关系的类比推理(论文地址:http://aclweb.org/anthology/P18-2023)。该论文在 ACL 2018大会上发表,相关资源在Github发布后获得了超过2000星好评。AI 科技评论将论文内容概括如下(感谢论文作者对本文的审核和修改)。
在password技术中,随机序列是非常重要的,比方密钥产生、数字签名、身份认证和众多的password学协议等都要用到随机序列。所以产生高质量的随机数序列对信息的安全性具有十分关键的数据。随机数分为真随机数和伪随机数,计算机通过算法产生的随机数并不上真正意义上的随机数,非常easy被激活成功教程,仅仅能称为伪随机数。若要产生真正的随机数,必须通过硬件来实现,比方使用离子辐射事件的脉冲检測器、气体放电管和带泄露的电容等,可是为每台计算机配备这种装置上不可能。所以在此我们通过改进我们的算法,使生成的伪随机数达到真随机数的标准。
典型的癌症疫苗由带有或不带有佐剂的肿瘤抗原组成,它重新编程免疫系统以识别和消灭癌细胞。免疫分型可以反映肿瘤及其免疫微环境的综合免疫状态,其与治疗应答和免疫潜力密切相关。
今天跟大家分享的是2020年3月发表在Communications Biology(IF=4.165)杂志上的一篇文章Cancer LncRNA Census reveals evidence for deep functional conservation of long noncoding RNAs in tumorigenesis。文章中作者通过癌症LncRNA普查揭示证据,证明长非编码RNA在肿瘤发生中的深层功能保守性。
在评估模型质量的各种指标中,有两个比较常用:(1)在未曾见过的数据上的预测准确度;(2)对模型的解释。对于(2),科学家更喜欢更简单的模型,因为响应和协变量之间的关系更清晰。当预测量(predictor)的数量很大时,简约性问题就会变得尤其重要。当预测量的数量很大时,我们往往希望确定出一个能展现最强效果的小子集。
Pan-cancer molecular subtypes revealed by mass spectrometry-based proteomic characterization of more than 500 human cancers
免疫球蛋白(IG)和T细胞受体(TR)在适应性免疫应答过程中起着关键的抗原识别作用。上一次我们介绍到tcR包:T细胞受体和免疫球蛋白数据进行高级分析和可视化(一)。今天小编继续为大家介绍分析T细胞受体库的R包:tcR包,可以对TR序列进行多样性评估、共享T细胞受体序列识别、基因usage统计计算等。
前面做的许多处理基本上自己拼凑来的,下面再看下完整解决方案。researchgate网站上有人说qiime1版本有这个双向数据配对不拼接的选项?这个没找到。主要发现了有两个方案,一个是有篇文章提出了一个流程Hybrid-denovo,还有一篇peer review的文章,几个人评议还有一个人不同意,anyway,都看下。
为方便广大研究人员尽快尽早将最新的科研成果应用于自己的研究,悦影科技特提供顶级期刊文献方法复现服务。
领取专属 10元无门槛券
手把手带您无忧上云