معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Python implementation for preferential subspace identification (PSID)

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	PSID-1.1.0
نام	PSID
نسخه کتابخانه	1.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Omid Sani
ایمیل نویسنده	omidsani@gmail.com
آدرس صفحه اصلی	https://github.com/ShanechiLab/PyPSID
آدرس اینترنتی	https://pypi.org/project/PSID/
مجوز	-

# PSID: Preferential subspace identification <br/> [Python implementation] For MATLAB implementation see http://github.com/ShanechiLab/PSID Given signals y_t (e.g. neural signals) and z_t (e.g behavior), PSID learns a dynamic model for y_t while prioritizing the dynamics that are relevant to z_t. For the derivation and results in real neural data see the paper below. ## Publication: Omid G. Sani, Hamidreza Abbaspourazad, Yan T. Wong, Bijan Pesaran, Maryam M. Shanechi. *Modeling behaviorally relevant neural dynamics enabled by preferential subspace identification*. Nature Neuroscience, 24, 140–149 (2021). https://doi.org/10.1038/s41593-020-00733-0 View-only full-text link: https://rdcu.be/b993t Original preprint: https://doi.org/10.1101/808154 You can also find a summary of the paper in the following Twitter thread: https://twitter.com/MaryamShanechi/status/1325835609345122304 # Usage guide ## Installation Download the source code from [the GitHub repository](https://github.com/ShanechiLab/PyPSID), or install PSID in your Python environment using pip, by running: ``` pip install PSID --upgrade ``` You can find the usage license in [LICENSE.md](https://github.com/ShanechiLab/PyPSID/blob/main/LICENSE.md). ## Initialization Import the PSID module. ``` import PSID ``` ## Main learning function The main function for the Python implementation is [source/PSID/PSID.py](https://github.com/ShanechiLab/PyPSID/blob/main/source/PSID/PSID.py) -> function PSID. A complete usage guide is available in the function. The following shows an example case: ``` idSys = PSID.PSID(y, z, nx, n1, i); ``` Inputs: - y and z are time x dimension matrices with neural (e.g. LFP signal powers or spike counts) and behavioral data (e.g. joint angles, hand position, etc), respectively. - nx is the total number of latent states to be identified. - n1 is the number of states that are going to be dedicated to behaviorally relevant dynamics. - i is the subspace horizon used for modeling. Output: - idSys: an LSSM object containing all model parameters (A, Cy, Cz, etc). For a full list see the code. ## Extracting latent states using learned model Once a model is learned using PSID, you can apply the model to new data (i.e. run the associated Kalman filter) as follows: ``` zPred, yPred, xPred = idSys.predict(y) ``` Input: - y: neural activity time series (time x dimension) Outputs: - zPred: one-step ahead prediction of behavior (if any) - yPred: one-step ahead prediction of neural activity - xPred: Extracted latent state # Example script Example code for running PSID is provided in [source/example/PSID_example.py](https://github.com/ShanechiLab/PyPSID/blob/main/source/PSID/example/PSID_example.py) This script performs PSID model identification and visualizes the learned eigenvalues similar to in Supplementary Fig 1. The following notebook also contains some examples along with more descriptions: [source/example/PSID_tutorial.ipynb](https://github.com/ShanechiLab/PyPSID/blob/main/source/PSID/example/PSID_tutorial.ipynb) # Change Log You can see the change log in in [ChangeLog.md](https://github.com/ShanechiLab/PyPSID/blob/main/ChangeLog.md) # Licence Copyright (c) 2020 University of Southern California See full notice in [LICENSE.md](https://github.com/ShanechiLab/PyPSID/blob/main/LICENSE.md) Omid G. Sani and Maryam M. Shanechi Shanechi Lab, University of Southern California

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl PSID-1.1.0:

pip install PSID-1.1.0.whl

نصب پکیج tar.gz PSID-1.1.0:

pip install PSID-1.1.0.tar.gz