不只是学习
开始阅读 Github
Hexo博客搭建
本篇将自己搭建hexo静态博客时的整个历程进行了记录，包括需要安装的插件和进行的配置，方便进行相似的博客搭建
阅读更多
PyQt5学习
PyQt5学习的导引页面
阅读更多
UCSC Xena 介绍
简单介绍了UCSC Xena网站的功能，并且可以链接到其他关于UCSC Xena的笔记
阅读更多
  我的梦想
愿中国青年都摆脱冷气，只是向上走，不必听自暴自弃者流的话。能做是的做事，能发声的发声。有一分热，发一分光，就令萤火一般，也可以在黑暗里发一点光，不必等候炬火。此后竟没有炬火：我便是唯一的光。倘若有了炬火，出了太阳，我们自然心悦诚服的消失，不但毫无不平，而且还要随喜赞美这炬火或太阳；因为他照了人类，连我在内。——鲁迅
  推荐文章
Tools

gitignore的文件忽略规则

在正常的工作中，经常使用到git，那自然.gitignore文件的使用是必须要掌握的。所幸我们一般用到的的.gitignore的规则都比较简单，而且其语法是使用的通配符语

阅读更多
Tools

zsh及oh-my-zsh安装

介绍了在linux环境下安装zsh以及oh-my-zsh的流程

阅读更多
Tools

Hexo博客搭建

本篇将自己搭建hexo静态博客时的整个历程进行了记录，包括需要安装的插件和进行的配置，方便进行相似的博客搭建

阅读更多
Python

PyQt5学习

PyQt5学习的导引页面

阅读更多
Paper-Method

论文精读-VAE-2013

对变分自编码器（VAE）原论文的阅读。本文提出了一种新的技术，可以非常有效率地建模带有连续隐变量的数据。即特定是使用了神经网络来参数化后验分布和似然函数，并提出了重参数化的技巧来配合Monte Carlo梯度估计，从而可以使用SGD对上述模型进行训练。从另一个角度，其将自编码器和概率模型结合在一起，探索了一种新的自编码器框架。

阅读更多
Paper Method

论文精读-使用VAE整合多组学数据进行PanCancer分析-OmiVAE2019

本研究提出了一个基于VAE的多组学模型，可以进行多组学降维和基于此的end-to-end的分类任务。本研究在TCGA pan-cancer的癌症类型分类任务上验证了该模型，体现出优异的性能。在我看来，其依据染色体分组提取特征的思路是亮点之一。

阅读更多
Tools

UCSC Xena 介绍

简单介绍了UCSC Xena网站的功能，并且可以链接到其他关于UCSC Xena的笔记

阅读更多
EM算法详解 EM算法详解
这段时间研究了一下EM算法，发现之前对于EM算法的理解有些偏差，这一段时间的实践和学习让我对EM算法的理解又近了一步，所以这里写个文章记录一下。 背景 EM算法（Expectation Maximization）要解决的问题是：如何估计
2020-12-08 Method
EM
论文精读-Integrated Gradients-2017 论文精读-Integrated Gradients-2017
该研究受经济学中的研究启发，基于满足几条基本的性质来设计了一种深度学习模型的可解释性方法，拥有非常好的理论基础，并在多个模型上进行了实验。
2020-10-15 Paper-Method
Deep Learning Interpreting
论文精读-使用CNN对癌症进行分类-2020 论文精读-使用CNN对癌症进行分类-2020
探索了3种简单的CNNs模型来进行癌症种类分类，其中并没有考虑基因排序带来的影响（直接利用其名称进行排序），依然得到了95.7%的分类准确率。
2020-10-14 Paper
Omics CNNs
论文精读-使用神经网络进行Time-to-Event预测-2019 论文精读-使用神经网络进行Time-to-Event预测-2019
本研究扩展了CoxPH模型，将其可以应用到非线性和非比例假设的情况下。另外，该文章对于生存分析的模拟、基础理论等都有非常详细的介绍，非常适合进行学习。
2020-10-12 Paper
Deep Learning Survival Analysis
论文精读-GSAE-2018 论文精读-GSAE-2018
本研究基于自编码器框架提出了一个无监督模型，可以将已知的gene sets信息进一步进行总结，得到gene sets的组合——supersets的表示。其利用TCGA数据集进行了验证，显示出改模型在无监督聚类、亚型分类、生存预测等任务上都表现出色。
2020-10-06 Paper
Deep Learning Omics AutoEncoder Gene sets
论文精读-使用gene表达数据进行癌症分类-2018 论文精读-使用gene表达数据进行癌症分类-2018
本研究将RNAseq数据按照所属染色体整理成2D images数据，使用CNNs进行癌种分类，并使用Guided Grad-CAM方法来筛选变量，得到了可解释的结果。
2020-10-06 Paper
Deep Learning Omics CNNs
论文精读-变分图自编码器-2016 论文精读-变分图自编码器-2016
本研究试图将VAE的框架融入到graph领域，从而进行节点特征的无监督学习。
2020-09-30 Paper-Method
Deep Learning Unsupervised Learning Graph Neural networks Variational Inferece
论文精读-VGCN-2019 论文精读-VGCN-2019
本研究利用变分推断的方法来将网络结构概率化，如果网络结构中存在大量的错误时其效果要好于传统的方法。
2020-09-25 Paper-Method
Deep Learning Graph Neural Networks Semi-Supervised Learning Variational Inference
论文精读-DeepGCNs-2019 论文精读-DeepGCNs-2019
探索通过加深GCNs的层数来得到更好的效果，使用的技术有residual links、dilation、dynamic kNN等，在点云分割任务上进行了验证。
2020-09-25 Paper-Method
Deep Learning Graph Neural Netowrks Point Cloud
论文精读-Point-GNN-2020 论文精读-Point-GNN-2020
本研究提出了一个基于GNNs的框架来完成点云数据的目标识别任务。
2020-09-22 Paper-Method
Deep Learning Point Cloud Graph Nueral Networks
论文精读-使用GCN对癌症进行分类-2020 论文精读-使用GCN对癌症进行分类-2020
本研究探索了使用GCNs进行TCGA癌症分类的可能性，使用的网络出了PPI外还有co-expression。
2020-09-13 Paper
Deep Learning Omics GNN
论文精读-NICE-2014 论文精读-NICE-2014
本研究是flow model领域的一个重要时间点，通过精巧的设计，NICE成功解决了flow模型的两个痛点：雅克比行列式、逆映射的计算。之后基于此进一步改进的Glow更是在图像生成方面达到了和GAN一致的高度。
2020-09-10 Paper-Method
Unsupervised Learning Deep Leanring Flow Models
1 / 5