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

BHMM: A toolkit for Bayesian hidden Markov model analysis of single-molecule trajectories.

ویژگی	مقدار
سیستم عامل	-
نام فایل	bhmm-0.6.3
نام	bhmm
نسخه کتابخانه	0.6.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	John Chodera and Frank Noe
ایمیل نویسنده	john.chodera@choderalab.org
آدرس صفحه اصلی	https://github.com/bhmm/bhmm
آدرس اینترنتی	https://pypi.org/project/bhmm/
مجوز	LGPL

This project provides tools for estimating the number of metastable states, rate constants between the states, equilibrium populations, distributions characterizing the states, and distributions of these quantities from single-molecule data. This data could be FRET data, single-molecule pulling data, or any data where one or more observables are recorded as a function of time. A Hidden Markov Model (HMM) is used to interpret the observed dynamics, and a distribution of models that fit the data is sampled using Bayesian inference techniques and Markov chain Monte Carlo (MCMC), allowing for both the characterization of uncertainties in the model and modeling of the expected information gain by new experiments.

نحوه نصب

نصب پکیج whl bhmm-0.6.3:

pip install bhmm-0.6.3.whl

نصب پکیج tar.gz bhmm-0.6.3:

pip install bhmm-0.6.3.tar.gz