전체 글 (88) 썸네일형 리스트형 [1일1알고리즘] 4.30일 금요일 미로 찾기 BFS from collections import deque dx = [-1,1,0,0] dy = [0,0,-1,1] def solution(maps): graph = maps n = len(graph[0]) m = len(graph) def bfs(x,y) : queue = deque() queue.append((x,y)) while queue : x, y = queue.popleft() for i in range(4) : nx = x + dx[i] ny = y + dy[i] if nx = n or ny >= m : continue if graph[nx][ny] == 0 : continue if graph[nx][ny] == 1: graph[nx][ny] = graph[x.. [AI독성예측] ADMET Predictor www.simulations-plus.com/software/admetpredictor/admet-modeler/ https://www.simulations-plus.com/software/admetpredictor/admet-modeler/ www.simulations-plus.com ADMET Predictor [AI독성예측] 2021 춘계 환경독성보건학회 포스터 ToxCast assay 데이터 기반 머신러닝 모델 성능 비교: 독성 이진분류 문제에서 클래스 균형도 영향 분석 Comparison of the performance of machine learning models based on ToxCast assay data: the impact of class imbalance in binary classification Introduction Ø“Epigenetic” encompasses the full spectrum of transcriptional regulatory processes that is thought to mediate environmental effects, such as chemical exposure, and change cellular .. [논문분석] kGCN: a graph-based deep learningframework for chemical structures jcheminf.biomedcentral.com/articles/10.1186/s13321-020-00435-6 kGCN: a graph-based deep learning framework for chemical structures Deep learning is developing as an important technology to perform various tasks in cheminformatics. In particular, graph convolutional neural networks (GCNs) have been reported to perform well in many types of prediction tasks related to molecules. Althoug jcheminf.b.. [통계] 자가회귀모델이란? 시계열에 대한 몇가지 선형적인 통계 모델이 있는데 이 모델들은 선형 회귀와 관련이 있다. 하지만 비시계열 데이터에 적용되는 표준 방법과는 다른데, 각 데이터를 서로 독립적으로 가정하지 않고 같은 시계열 내 데이터 간 발생하는 상관관계를 알 수 있게 해준다. 자기회귀 autoregressive(AR) 모델 이동평균 moving average(MA) 모델 자기회귀누적이동편균autoregressive integrated moving average(ARIMA) 모델 벡터자기회귀 vector autoregression(VAR) 모델 계층형(hierachical) 모델 이러한 모델들은 전통적으로 시계열 예측의 핵심 요소이며 학계에서부터 산업에 이르기까지 다양한 상황에 모델링을 지속적으로 사용한다. 선형회귀를 사용하.. [대학원] 서울시립대학교 대학원 장학제도 및 교과과정 [통계] 시계열 분석 ARIMA예측모델 : 정상성과 자기상관 www.youtube.com/watch?v=YQF5PDDI9jo ARIMA예측모델은 시계열 데이터의 정상성을 가정한다. 정상성이란 시계열 데이터의 특성이 시간의 흐름에 따라 변하지 않는다는 것을 의미한다. 정상 시계열은 장기적으로 예측 가능한 패턴을 갖지 않으며, 시계열 그래프는 일정한 변동폭(일정한 분산)을 가지면서 대체로 수평에 가까운 패턴(일정한 평균)을 보인다. 데이터가 정상성을 가진다는 것은 평균과 분산이 안정화되어 있어서 분석하기 쉽다는 것을 의미한다. 추세나 계절 요인은 시간이 경과하면서 관측값에 영향을 미치기 때문에 추세 성분이나 계절 성분을 갖는 시계열은 비정상적(non-stationary)이다. 불규칙 성분만으로 구성된 시계열은 정상적(stationary)이다. 어느 시점에서 관찰하든 .. [GCP] 할당량 증가 요청 안녕하세요 고객님, 연락주셔서 감사합니다. 저는 구글 클라우드 플랫폼 결제 지원팀 다니엘 입니다. 고객님께서는 결제를 하였으나, 컴퓨터 엔진이 할당되지 않는 문제에 관하여 전화 문의 주셨습니다. 고객님께서 할당량 요청과 동시에 저희 할당량 증진 팀으로 부터 할당량 증진이 어렵다는 이메일을 받아 보셨으리라 사료 됩니다 (케이스 번호 #25247765). 고객님의 결제 계정 [017964-838294-633C5C]을 살펴 보았습니다. 2020년 9월 27일에 저희 구글 클라우드 플랫폼을 가입해 주신 것으로 확인 되었습니다. 결제이력이 없으시고 Compute engine에 대한 충분한 사용 이력이 없으신 것으로 파악 됩니다. 이 경우 할당량 증진을 요청 하셔도 계속 거부가 될 것입니다. 관련하여 저희 할당량 .. 이전 1 2 3 4 5 6 7 ··· 11 다음
