发表于
字数统计: 20 | 阅读时长 ≈ 1

vue发送的是json格式的数据

所以Django接受Json格式的数据

发表于
字数统计: 123 | 阅读时长 ≈ 1

beilby用的应该是浓度建立的模型

我用膜片钳建立的模型，应该更精确。

我可以看看拟南芥，因为基因组数据比较多，也可能做膜片钳的比较多。。

小麦的膜片钳数据我估计是没有了。

Arabidopsis thaliana

保卫细胞

https://plantmethods.biomedcentral.com/articles/10.1186/1746-4811-8-15 保卫细胞内外钾通道和阴离子通道

表皮细胞

老师还是建议先做小麦膜片钳的数据。

发表于
字数统计: 565 | 阅读时长 ≈ 3

create MySQL 语句

CREATE TABLE dataset (
id bigint(20) NOT NULL AUTO_INCREMENT,
author varchar(255) NOT NULL,
created_at datetime NOT NULL,
dataset_meta_id bigint(20) DEFAULT NULL,
description varchar(500) DEFAULT NULL,
equipment_id bigint(20) DEFAULT NULL,
name varchar(255) NOT NULL,
state varchar(255) NOT NULL,
type varchar(255) NOT NULL,
updated_at datetime NOT NULL,
user_id bigint(20) NOT NULL,
PRIMARY KEY (id) ) ENGINE=InnoDB AUTO_INCREMENT=8 DEFAULT CHARSET=latin1;

CREATE TABLE dataset_meta (
id bigint(20) NOT NULL AUTO_INCREMENT,
created_at datetime DEFAULT NULL,
detail varchar(255) DEFAULT NULL,
goal varchar(255) DEFAULT NULL,
name varchar(255) NOT NULL,
operators varchar(255) DEFAULT NULL,
paper varchar(255) DEFAULT NULL,
position varchar(255) DEFAULT NULL,
sample varchar(255) DEFAULT NULL,
signal_type varchar(255) DEFAULT NULL,
stimulus varchar(255) DEFAULT NULL,
updated_at datetime DEFAULT NULL,
user_id bigint(20) NOT NULL,
PRIMARY KEY (id) ) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;

CREATE TABLE environment (
id bigint(20) NOT NULL AUTO_INCREMENT,
created_at datetime DEFAULT NULL,
humidity double DEFAULT NULL,
light double DEFAULT NULL,
name varchar(255) NOT NULL,
pressure double DEFAULT NULL,
temperature double DEFAULT NULL,
updated_at datetime DEFAULT NULL,
user_id bigint(20) NOT NULL,
PRIMARY KEY (id) ) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;

CREATE TABLE equipment (
id bigint(20) NOT NULL AUTO_INCREMENT,
created_at datetime DEFAULT NULL,
description varchar(255) DEFAULT NULL,
name varchar(255) NOT NULL,
provider varchar(255) DEFAULT NULL,
updated_at datetime DEFAULT NULL,
user_id bigint(20) NOT NULL,
PRIMARY KEY (id) ) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;

CREATE TABLE iec_meta (
id bigint(20) NOT NULL AUTO_INCREMENT,
channel_num smallint(6) DEFAULT NULL,
created_at datetime DEFAULT NULL,
duration double DEFAULT NULL,
name varchar(255) NOT NULL,
rate int(11) DEFAULT NULL,
record_position varchar(255) DEFAULT NULL,
sampling_rate bigint(20) DEFAULT NULL,
signal_type varchar(255) DEFAULT NULL,
start_at datetime DEFAULT NULL,
stimulate_detail varchar(255) DEFAULT NULL,
stimulate_material varchar(255) DEFAULT NULL,
stimulate_type varchar(255) DEFAULT NULL,
updated_at datetime DEFAULT NULL,
user_id bigint(20) NOT NULL,
PRIMARY KEY (id) ) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=latin1;

CREATE TABLE image_meta (
id bigint(20) NOT NULL AUTO_INCREMENT,
created_at datetime DEFAULT NULL,
duration double DEFAULT NULL,
format varchar(255) DEFAULT NULL,
frame_rate int(11) DEFAULT NULL,
name varchar(255) NOT NULL,
record_area varchar(255) DEFAULT NULL,
record_position varchar(255) DEFAULT NULL,
signal_type varchar(255) DEFAULT NULL,
start_at datetime DEFAULT NULL,
stimulate_detail varchar(255) DEFAULT NULL,
stimulate_material varchar(255) DEFAULT NULL,
stimulate_type varchar(255) DEFAULT NULL,
updated_at datetime DEFAULT NULL,
user_id bigint(20) NOT NULL,
PRIMARY KEY (id) ) ENGINE=InnoDB DEFAULT CHARSET=latin1;

CREATE TABLE sample (
id bigint(20) NOT NULL AUTO_INCREMENT,
created_at datetime DEFAULT NULL,
growth varchar(255) DEFAULT NULL,
name varchar(255) NOT NULL,
period varchar(255) DEFAULT NULL,
updated_at datetime DEFAULT NULL,
user_id bigint(20) NOT NULL,
PRIMARY KEY (id) ) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;

CREATE TABLE software (
id bigint(20) NOT NULL AUTO_INCREMENT,
created_at datetime DEFAULT NULL,
name varchar(255) NOT NULL,
updated_at datetime DEFAULT NULL,
user_id bigint(20) NOT NULL,
version varchar(255) DEFAULT NULL,
PRIMARY KEY (id) ) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=latin1;

CREATE TABLE user (
id bigint(20) NOT NULL AUTO_INCREMENT,
address varchar(255) NOT NULL,
created_at datetime NOT NULL,
email varchar(255) NOT NULL,
password varchar(255) NOT NULL,
sex varchar(255) NOT NULL,
updated_at datetime NOT NULL,
username varchar(255) NOT NULL,
PRIMARY KEY (id),
UNIQUE KEY UK_ob8kqyqqgmefl0aco34akdtpe (email),
UNIQUE KEY UK_sb8bbouer5wak8vyiiy4pf2bx (username) ) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=latin1;

发表于
字数统计: 207 | 阅读时长 ≈ 1

我的技术难点在多对多的预测？

这里面也是我为什么很长时间做不出来的原因，单条数据588个点。我觉得应该重点写这个！这样写的话难点在哪里？

我要解决的问题也是可以写！

  1. 胁迫的信号肯定携带盐浓度： 这个观点太空，不适合神经网络模型，适合机理模型。

  1. 具体的盐胁迫数值我可以知道，也就是在使用模型的时候，输入光诱导前的数据，我就可以知道这个植物适合在什么环境中生长，不同盐分下它的涨势评价指标。（这里也是老师重点描述的含义）

  2. 我对盐胁迫下的数据进行聚类分析，可以得出什么结论？？？