科学研究

MCM-ICMToolkit是一个为美赛/美赛建模竞赛准备的Python工具箱，面向编程手复用，目标是在比赛96小时里少写重复代码、多留时间给建模和写论文。具体功能模块：1.数据清洗：缺失值、异常值、日期解析、特征工程；2.统计分析：描述统计、假设检验、相关性分析；3.回归/时序/机器学习：线性回归

项目包含四个模块：一是数据合并，读取多个CSV/Excel并按处理组、时间点、重复编号对齐；二是清洗，统一字段与单位、剔除异常值、标记缺失；三是统计，计算均值、标准误并完成组间比较；四是出图，生成柱状图、箱线图和时间进程图，自动添加误差棒和显著性字母，输出PDF/PNG与可复现脚本。

ClinVarVariantFinder是一个ApifyActor。它通过NCBI官方E-utilities接口检索ClinVar，不抓取网页。可以按基因、疾病、HGVS或rsID查询，并把临床意义、审阅状态和坐标等字段汇总成扁平行数据。公开仓库是https://github.com/lxhcxyj

CF-SEQ包含两部分。ClueFinder根据表型给出罕见病候选，并附上证据。SequencingDecisionEngine综合紧急度、成本和信息增益，给出下一步检查建议。实现使用Python，并有前端演示，知识来自HPO和罕见病知识库。GitHub开发仓是私有的，不在这里贴链接。公开审阅版本发

模型推理模块：CheXNet剪枝+轻量化骨干+混合精度+算子融合的加速推理引擎，输出14类胸部病变概率。可解释性模块：基于Grad-CAM生成病灶热力图，叠加原图输出可视化结果。报告生成模块：根据分类结果与热力图定位信息，自动生成结构化诊断报告（病变名称、置信度、病灶区域描述）。前后端分离诊断系统：

已移植为纯C，并交付源代码、可执行程序和说明文档。区域覆盖与样例对齐。性能不足的一版废弃后重做并交付。单机航路、人机混合、多目标分配、区域覆盖和飞行员决策都在交付范围内。飞机自主决策同样交付。

1.数据预处理模块：完成遥感影像数据集的格式转换、标注校验与类别对齐，处理1400+张训练图像与对应标注文件；2.模型训练模块：基于PyTorch实现目标检测模型的训练流程，支持25种受控实验配置的自动调度与断点续训；3.结果评估模块：实现分层AP评估、梯度方向分析、秩相关性分析等多种评估方法，自动

1.细粒度多物种精准识别：支持对狗、马、大象、蝴蝶、鸡、猫、牛、蜘蛛、羊、松鼠共10类常见动物进行高精度分类识别，模型在仅8.15M轻量化参数规模下，实现89.14%的验证集准确率与87.59%的测试集准确率。2.双流特征协同提取：创新构建“残差流（ResStream）+空洞卷积流（DilatedS

1.数据管道：交易所历史小时K线和资金费率数据采集、清洗、落库，聚合成日线。2.信号模块：9条来自学术文献的规则（20/50/100/200日均线、多周期动量、20日突破）打分。3.仓位模块：按目标波动率缩放仓位，只做多与多空混合；差额超过权益10%才调仓，减少交易成本。4.回测引擎：按次日开盘执行

1.数据采集：多源实时气象观测、官方报告页面解析、雷达和降雨信息；订单簿WebSocket实时订阅。2.预测与授权：预测下一次官方报告温度，判断哪些区间已不可能（前沿判定），按公平价上限决定是否下单，另有低价"捡漏"分支。3.执行与仓位：报价、下单、成交回报对账，仓位从开仓到止盈或截止前退出的完整生

平台共四大模块。①实时监测仪表盘：多站点下拉切换，温度、相对湿度、大气压强、风速、风向五参数加降雨量、光照强度、土壤温湿度、紫外线扩展项共10张监测卡片，数据每3秒自动刷新，配动态SVG图标与最近24小时温湿度平滑趋势图，超限卡片自动变色并柔和闪烁提醒。②历史数据查询：起止日期筛选，温度/湿度曲线与

一、功能模块靶标口袋发现与管理、基于结构虚拟筛选、基于配体虚拟筛选、AI分子生成、分子优化、多靶点分析与老药新用、项目与任务管理、部署与协作。二、主要功能口袋发现与管理：支持已知/未知靶标口袋预测，基于18万+PDB共晶结构检索匹配，AI预测未知口袋位置、形状与可成药性，可保存比较导出。基于结构虚筛

“数字时尚”项目是一个融合生成式人工智能的服装设计与应用平台，集成服装智能体、以文生款、电商设计和服装上身等功能，覆盖设计构思、款式生成与效果展示等场景。平台设有时尚趋势洞察、AI创意设计和AI图案设计等智能体入口，支持用户通过对话输入需求、添加附件，并选择模型、分辨率及画面比例。同时提供历史对话与

系统包含场景配置、运输工具配置、任务链生成、方案计算、约束校核、结果分析和可视化等核心模块。用户可配置任务节点、时间窗口、资源需求及运输能力等参数，系统根据约束自动生成候选运输方案，并对任务衔接、资源容量和方案可执行性进行校核。计算结果可通过任务链、统计指标和图形界面进行展示，并支持不同场景和参数下

系统分四段。产流用NeuralHydrology的CUDALSTM，7200个网格一次批量前向，现场推理约59秒。汇流用运动波，把网格产流汇到7个出口。概率预报对残差做空间相关采样，蒙特卡洛80次，输出5%–95%流量区间、洪峰分布和首次越线时间。验证按事件对齐2025年雨季洪峰，而不是拿整季最大值

系统支持Excel、CSV等格式的负荷数据导入，提供缺失值处理、异常值识别、时间序列整理、日负荷曲线分析、周负荷分析、月度统计、峰谷时段识别、典型日提取和预测结果展示功能。用户可以选择历史数据范围、预测时间长度和模型参数，查看实际值与预测值对比、预测误差和统计指标。

整个框架由三部分组成。加载路径的描述必须通过荷载大小和时间，所以为二阶张量，材料及其尺寸可以组合成一组一维张量用于表征。所以分别通过两个不同网络学习特征。一个FNN用于学习一阶张量，一个由GNN（学序列自身交互）,LSTM（加入时间约束），TCN（学单变量波形）。最后拼接特征，由另一个FNN计算结果

平台功能包括：场景配置，新建或删除场景、上传基准数据，可添加订单动态到达、设备故障等事件并设置到达频率、数量、交期松紧、故障率等参数；算法配置，接入并选择不同的调度算法，既有启发式规则也有强化学习算法；仿真参数，设置时钟推进方式和运行时长；运行仿真，由算法在每个决策点做出拆批、设备指派和开工时间决策

系统支持学生就业数据的录入、导入、查询、修改和删除，可管理学生的基本信息、学习成绩、技能掌握情况、实习经历、项目经验及就业去向等数据。系统对原始数据进行清洗和特征处理，基于K-NN算法计算待预测学生与历史样本之间的相似度，输出就业安置预测结果；同时支持查看预测记录和相关数据统计，帮助管理人员识别需要

本产品（单台温度采集设备）满足以下要求：（1）温度采集速率支持最大100KSa/s/通道采样率；（2）上位机可以实时显示和存储56路采集数据；（3）每通道24位ADC，温度典型分辨率为0.1℃；（4）数据记录器采集模式；（5）内置并行数据流，每台设备的8路是完全意义上的同步；（6）8位组隔离数字I/