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

Bayesian MSD fitting

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	bayesmsd-0.1.0
نام	bayesmsd
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	Simon Grosse-Holz <sgh256@mit.edu>
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/bayesmsd/
مجوز	MIT License Copyright (c) 2022 Simon Grosse-Holz Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions: The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software. THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.

[![Documentation Status](https://readthedocs.org/projects/bayesmsd/badge/?version=latest)](https://bayesmsd.readthedocs.io/en/latest/?badge=latest) BayesMSD: properly fitting MSDs =============================== While inspection of MSD curves is one of the most ubiquitous ways of analyzing particle tracking data, it is also well known that extracting model parameters from MSD curves is a statistical minefield[^1]. This problem can be addressed quite nicely in the language of Gaussian processes, allowing statistically rigorous MSD fits. This provides, for example, error bars on estimated model parameters, which are quite noticeably missing from the current literature. For a [Quickstart intro](https://bayesmsd.readthedocs.io/en/latest/examples/00_intro.html), more extensive [Tutorials & Examples](https://bayesmsd.readthedocs.io/en/latest/examples.html) and the full [API reference](https://bayesmsd.readthedocs.io/en/latest/bayesmsd.html) refer to the [documentation hosted at ReadTheDocs](https://bayesmsd.readthedocs.org/en/latest). To install `bayesmsd` you can use the latest stable version from [PyPI](https://pypi.org/project/bayesmsd) ```sh $ pip install --upgrade bayesmsd ``` or the very latest updates right from GitHub: ```sh $ pip install git+https://github.com/OpenTrajectoryAnalysis/bayesmsd ``` [^1]: Vestergaard, Blainey, Flyvbjerg, __Optimal estimation of diffusion coefficients from single-particle trajectories__, _Physical Review E_, 2014; [DOI](https://doi.org/10.1103/PhysRevE.89.022726) Developers ---------- Note the `Makefile`, which can be used to build the documentation (using Sphinx); run unit tests and check code coverage; and build an updated package for release with GNU `make`. When editing the example notebooks, [remember](https://nbsphinx.readthedocs.io/en/sizzle-theme/usage.html#Using-Notebooks-with-Git) to remove output and empty cells before committing to the git repo. [nbstripout](https://github.com/kynan/nbstripout) allows to do this automatically upon commit.

نیازمندی

مقدار	نام
-	noctiluca>=0
-	numpy>=1.20
-	rouse>=0
-	scipy>=1.7
-	tqdm>=4

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl bayesmsd-0.1.0:

pip install bayesmsd-0.1.0.whl

نصب پکیج tar.gz bayesmsd-0.1.0:

pip install bayesmsd-0.1.0.tar.gz