zhangxixi的博客

[Lecture Note] Metabolic signaling in cell fate decisions Energy homeostasis and metabolic heath Food intake (Energy uptake) Browning of adipose tissue (Energy expenditure) The cold enviroment lead to energy expenditure 低温导致小鼠肠道菌发生变化，能激活棕色脂肪组织产热机制 We can get : Cold exposure enlarges the gut Int...

[Lecture Note] Li-ion Battery Ageing & Degradation : Health State Evalutaion and Lifetime Prediction Latest Advances in the Global Energy Storage Industry New energy storage has been developing rapidly. Dominace : China, The United States, and Europe Lastest ADvances in Energy Storage Techno...

Academic Words of Math 1 Part I product 积 divisible 可被整除的 divided evenly 被整除 dividend 被除数 divisor 除数 quotient 商 remainder 余数 factorial 阶乘 radical sign / root sign 根号 to the nearest 四舍五入 union 并集 proper subset 真子集 algebraic term 代数项 like terms / similar terms 同类项 literal coefficient 字母系数 triangl...

听讲座——高中三年，你能给自己做回报率最高的投资 写给高一学弟学妹的一封信 写在最开始 省实最宝贵的资源，从来不只是美丽的校园与顶尖的师资，它更蕴藏在竹林后方阶梯室一场场干货满满的讲座里。 我的高中三年，每周三的下午，我都去到竹林后面，去听一场精彩的讲座。记得高二下的那个学期，我一场讲座都没有缺席过。听讲座的习惯，哪怕到了高三，我都一直坚持着，它给了我高三一个旁逸斜出的机会。很多时候，考完试5点半才放学，但我照样会飞奔去听后半程讲座，只为满足一下自己的求知渴望。一场场讲座编织的故事，构成了我高中生活里最滚烫、最难忘的独家回忆。 有人会问：听讲座对成绩有帮助吗？我可以斩钉截铁地回答你：没有...

26暑杭电 第四场总结 12：00开题 三个人上线，我看5-8 先看第8题，感觉不简单，中档偏难 然后看07，回文串，那应该是和PAM或马拉车有关？ 然后看06，构造。 一路看，中途发现11过的人很多，然后王就去写11了。我就一路把除01以外的题目都看了一遍。感觉没有特别送的题。01是计算几何，后面丢给王。 孙说她去做04。 王很快过了11（12：10），然后10很多人过，他也去做了。 07也有人过，我看07，发现肯定是并查集连边。 一开始直接猜了一个做法，对每次+d，先判断第一对在不在一起。如果已经在就直接跳。然后这样写完交上去WA了。（12：41） 然后没办法。首先想到可以取gcd，...

线性规划与对偶理论 线性不等式： Ax≤BAx\le B Ax≤B 标准形式： 最大化 cTxc^TxcTx，满足 Ax≤b，x≥0Ax\le b，x\ge 0Ax≤b，x≥0 满足条件的是可行解，我们要找最优解 例子： AB产品，有利润 3个约束：时间、材料、运输能力 建模为线性规划： 方法：单纯形法 引入 x3,x4,x5x_3,x_4,x_5x3​,x4​,x5​，把不等式变成等式 因为等式比较好处理 给所有变量选定一个初始值 此时 zzz 不是最大值，而我们的目的是尽可能让 zzz 变大 观察 z=3x1+5x2z=3x_1+5x_2z=3x1​+5x2​ 所以我...

KNN| K-近邻算法 观察身边的邻居  核心思想：要了解位置，就看它和谁最亲近 步骤： 确定K值（邻居数量） 选择度量距离（找最近k个） 确定决策规则 算距离：欧式距离 决策规则：Majority Voting Rule K值的选择可以使用交叉验证的方法选择。 我们算的距离可以使用Lp距离。 p=1p=1p=1，就是曼哈顿距离 p=2p=2p=2，就是欧式距离 p=∞p=\inftyp=∞，是各个坐标距离的最大值

随机森林算法 随机森林的运作方式，是基于“集体智慧”的理念 核心原理 集成学习模型 bagging的方法 意思： 不指望一只又高又大的树，而是很多决策树一起来 随机抽样：把原始数据随机分成很多份 训练决策树：为每个数据单独训练一棵决策树 组合模型：有问题，一起投票 拆分模型 森林：量变引起质变 每棵树是个独立模型 通过平均提高泛化能力 引入“随机” “随机”如何体现？有两种随机性。 随机样本采样：对原始数据随机采样 随机特征选择：从已有特征中随机选择部分特征 就是每棵树智能看其中几个特征 目的：为了减小各个树模型之间的关联性，确保模型的多样性 最终决策 用投票形式决...

细菌基因突变 学习笔记 点突变 只有一个碱基被替换掉了 比如UUA：亮氨酸 如果发生碱基替换 如果变成：CUA、UUG 还是亮氨酸（沉默突变） 编码氨基酸变了： 缬氨酸 异亮氨酸 影响比较小 丝氨酸 苯丙氨酸 这些都叫错义突变 如果突变成了终止密码子 这种叫无义突变 还有一种是多了或缺了一个，这种叫移码突变，但这种情况很容易遇到终止密码子 自发突变 碱基的互变异构 ATGC各自有“互变异构体” 分子式没改变，只是一个H的地方变化 正常情况下，DNA遵循碱基互补配对 但这种情况下会出现奇怪的配对 脱嘌呤效用 糖-磷酸骨架 但会有一些嘌呤脱落，形成空位AP位点 这时就会往里面补一个...

细菌DNA与抗生素 1. 细菌DNA 细菌是原核生物，没有细胞核 一般是超长DNA（环状） 这就是拟核 排练非常紧密，没有内含子 2. 复制DNA 细菌如何复制DNA 通常有唯一复制起点Oric 形成复制泡、复制叉（2个） 解旋梅 单链DNA结合蛋白（拉住DNA），让其不结合 DNA聚合酶III 滑动夹 夹子装置器 前导链：方向相同 滞后链：分段：冈崎片段 DNA引物酶 DNA聚合酶I（将上一段RNA引物替换为DNA片段） DNA连接酶 问题：螺旋解不开了 3. 拓扑异构酶 I型：先剪开单链，再把它推过去，不消耗ATP，但很慢 II型： 底层原理： ...