1) gene expression
基因表达式
1.
This paper presents an optimized algorithm for circuits based on the gene expression program design in consideration of the characteristics of the CLB (Control logic block) matrix of FPGA in the family of Xilinx Virtex-Ⅱ and the capacity of each control logic block to realize the logic function of one-output and two-inputs.
基于Xilinx Virtex-Ⅱ系列FPGA控制逻辑块(CLB)矩阵特点以及每一个控制逻辑块能实现任何2输入1输出的逻辑功能的特点,提出了一种基于基因表达式程序设计的电路优化算法。
2.
Introduce a method of functionally classifying genes using gene expression data from DNA microarray hybridization experiments.
SVM的理论基础是统计学习理论,它不仅结构简单,而且技术性能高,泛化能力强,在基因表达式分类中表现出有很多优点,成为热点研究方向。
3.
An algorithm for automatic designation of the architecture and the weights of neural networks using gene expression programming(GEP) was presented.
提出一种用基因表达式编程(gene expression programming,GEP)自动设计神经网络结构和权值的算法。
2) gene expression programming
基因表达式编程
1.
Study on the Electricity Consumption Forecasting Model Based on Gene Expression Programming;
基于基因表达式编程的电力消费预测模型——武汉市的实证
2.
An Auto-clustering Algorithm Based on Gene Expression Programming;
基于基因表达式编程的自动聚类方法
3.
Design and Implementation of ORF Filter in Gene Expression Programming;
基因表达式编程ORF过滤算子的设计和实现
4) Gene expression profile
基因表达模式
1.
Gene expression profile in human normal cervical squamous epithelium;
人正常宫颈鳞状上皮基因表达模式的研究
2.
A software package for gene expression profile analysis has been constructed.
研究和实现了 4种基因表达模式的聚类方法 ,开发了基因表达模式分析软件系统 。
5) Gene Expression Programming(GEP)
基因表达式编程
1.
Traditional Gene Expression Programming(GEP) is bare of discovering recursive functions.
传统基因表达式编程(GEP)无法发现递归函数。
2.
Traditional Gene Expression Programming(GEP) uses static fitness function.
传统基因表达式编程采用静态适应度函数,影响了后期进化速度和整体质量。
3.
Function mining algorithm based on traditional Gene Expression Programming(GEP) and other improved algorithm may still lead to local optimum trap.
为了解决基于传统基因表达式编程(GEP)的函数挖掘及其改进算法仍然存在局部优化的缺陷这一问题,提出了以基因组多样性制导的分阶段进化挖掘算法DG-GEP。
6) GEP
基因表达式编程
1.
An Anti-Noise Method for Function Mining Based on GEP;
基于基因表达式编程的抗噪声数据的函数挖掘方法
2.
GEP-Based Classification Algorithms;
基于基因表达式编程的分类算法研究
3.
Research and Applications of GEP in Polynomial Factorization and Parallel Function Mining;
基因表达式编程在多项式函数分解和并列函数关系挖掘中的研究和应用
补充资料：基因表达系列分析
基因表达系列分析（sage）是通过快速和详细分析成千上万个est（express sequenced tags）来寻找出表达丰富度不同的sage标签序列。再次访法中，通过限制性酶切可以产生非常短的cdna（10-14bp）标签，并通过pcr扩增和连接，随后对连接题进行测序。sage大大简化和加快了3’端表达序列标签的收集和测序。同dd一样，sage是一个“开放”的系统，可以发现新的未知的序列。在进行标本的比较之前，sage在cdna的产生和处理上需要较多个步骤。由于sage是一个依赖dna测序的基因计量方法，它对基因表达的测定比dd更加量化。由于需要进行大量的测序反应，所以费用因素使大多数研究机构对其广泛应用的主要限制。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条