Wyszukiwarka
Filtry
wszystkich: 158
Najlepsze wyniki w katalogu: Potencjał Badawczy Pokaż wszystkie wyniki (110)
Wyniki wyszukiwania dla: —TRANSFER LEARNING, DEEP LEARNING, PROTEIN STRUCTURE, FUNCTION, AND INTERACTION PREDICTION, SEQUENCE MODELLING
-
Architektura Systemów Komputerowych
Potencjał BadawczyGłówną tematyką badawczą podejmowaną w Katedrze jest rozwój architektury aplikacji i systemów komputerowych, w szczególności aplikacji i systemów równoległych i rozproszonych. "Architecture starts when you carefully put two bricks together" - stwierdza niemiecki architekt Ludwig Mies von der Rohe. W przypadku systemów komputerowych dotyczy to nie cegieł, a modułów sprzętowych lub programowych. Przez architekturę systemu komputerowego...
-
KatedrA Chemii Fizycznej
Potencjał Badawczy1.Termodynamika i struktura roztworów, oddziaływania międzycząsteczkowe w roztworach - badania termodynamiczne, spektroskopowe i teoretyczne. 2. Fizykochemiczne podstawy analizy środowiskowej.
-
Zespół Algorytmów i Modelowania Systemów
Potencjał BadawczyStudiowanie problemów i modeli teoriografowych ma na celu badanie złożoności obliczeniowej uogólnień problemu klasycznego kolorowania wierzchołków i krawędzi grafu znajdujących zastosowania w modelowaniu praktycznych problemów oraz badanie nowych miar oceny skuteczności algorytmów. W zakresie szeregowania zadań badania koncentrują się na konstrukcji harmonogramów optymalnych z punktu widzenia długości harmonogramu i średniego czasu...
Najlepsze wyniki w katalogu: Oferta Biznesowa Pokaż wszystkie wyniki (48)
Wyniki wyszukiwania dla: —TRANSFER LEARNING, DEEP LEARNING, PROTEIN STRUCTURE, FUNCTION, AND INTERACTION PREDICTION, SEQUENCE MODELLING
-
Superkomputer Tryton
Oferta BiznesowaObliczenia dużej skali, Wirtualna infrastruktura w chmurze (IaaS), Analiza danych (big data)
-
Laboratorium Badawcze 2-3
Oferta BiznesowaObliczenia komputerowe wymagające dużych mocy obliczeniowych z wykorzystaniem oprogramowania typu: Matlab, Tomlab, Gams, Apros.
-
Laboratorium Syntezy Innowacyjnych Materiałów i Elementów
Oferta BiznesowaZespół specjalistycznych urządzeń pozwala dokonywać syntezy diamentu mikro- i nanokrystalicznego oraz diamentu domieszkowanego borem i azotem do zastosowań w optoelektronice oraz nanosensoryce. Domieszkowany borem nanodiament (BDD) jest obecnie najwydajniejszym materiałem półprzewodnikowym do zastosowania w wytwarzaniu biosensorów elektrochemicznych. Laboratorium może otrzymywać ciągłe cienkie polikrystaliczne, domieszkowane elektrody...
Pozostałe wyniki Pokaż wszystkie wyniki (10938)
Wyniki wyszukiwania dla: —TRANSFER LEARNING, DEEP LEARNING, PROTEIN STRUCTURE, FUNCTION, AND INTERACTION PREDICTION, SEQUENCE MODELLING
-
MP3vec: A Reusable Machine-Constructed Feature Representation for Protein Sequences
Publikacja—Machine Learning (ML) methods have been used with varying degrees of success on protein prediction tasks, with two inherent limitations. First, prediction performance often depends upon the features extracted from the proteins. Second, experimental data may be insufficient to construct reliable ML models. Here we introduce MP3vec, a transferable representation for protein sequences that is designed to be used specifically for sequence-to-sequence...
-
Impact of AlphaFold on structure prediction of protein complexes: The CASP15‐CAPRI experiment
PublikacjaWe present the results for CAPRI Round 54, the 5th joint CASP-CAPRI protein assembly prediction challenge. The Round offered 37 targets, including 14 homodimers, 3 homo-trimers, 13 heterodimers including 3 antibody–antigen complexes, and 7 large assemblies. On average 70 CASP and CAPRI predictor groups, including more than 20 automatics servers, submitted models for each target. A total of 21 941 models submitted by these groups...
-
Neural networks and deep learning
PublikacjaIn this chapter we will provide the general and fundamental background related to Neural Networks and Deep Learning techniques. Specifically, we divide the fundamentals of deep learning in three parts, the first one introduces Deep Feed Forward Networks and the main training algorithms in the context of optimization. The second part covers Convolutional Neural Networks (CNN) and discusses their main advantages and shortcomings...
-
Machine learning-based prediction of seismic limit-state capacity of steel moment-resisting frames considering soil-structure interaction
PublikacjaRegarding the unpredictable and complex nature of seismic excitations, there is a need for vulnerability assessment of newly constructed or existing structures. Predicting the seismic limit-state capacity of steel Moment-Resisting Frames (MRFs) can help designers to have a preliminary estimation and improve their views about the seismic performance of the designed structure. This study improved data-driven decision techniques in...
-
An Intelligent Approach to Short-Term Wind Power Prediction Using Deep Neural Networks
PublikacjaIn this paper, an intelligent approach to the Short-Term Wind Power Prediction (STWPP) problem is considered, with the use of various types of Deep Neural Networks (DNNs). The impact of the prediction time horizon length on accuracy, and the influence of temperature on prediction effectiveness have been analyzed. Three types of DNNs have been implemented and tested, including: CNN (Convolutional Neural Networks), GRU (Gated Recurrent...