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

Tools for unsupervised classification of acoustic signals.

ویژگی	مقدار
سیستم عامل	-
نام فایل	das_unsupervised-0.6.1
نام	das_unsupervised
نسخه کتابخانه	0.6.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Jan Clemens
ایمیل نویسنده	clemensjan@googlemail.com
آدرس صفحه اصلی	https://github.com/janclemenslab/das_unsupervised
آدرس اینترنتی	https://pypi.org/project/das_unsupervised/
مجوز	-

# Tools for unsupervised classification of acoustic signals _DAS-unsupervised_ provides tools for pre-processing acoustic signals for unsupervised classification: - extract waveforms or spectrograms of acoustic events from a recording - normalize the duration, center frequency, amplitude, or sign of waveform/spectrograms Unsupervised classification itself is performed using existing libraries: - dimensionality reduction: [umap](https://umap-learn.readthedocs.io/) - clustering: [hdbscan](https://hdbscan.readthedocs.io/) or [scikit-learn](https://scikit-learn.org/stable/modules/clustering.html) Can be used in combination with [DAS](https://github.com/janclemenslab/das), a deep learning based method for the supervised annotation of acoustic signals. ## Installation ```shell pip install das-unsupervised ``` ## Demos Illustration of the workflow and the method using vocalizations from: - [flies](demo/flies.ipynb) - [mice](demo/mice.ipynb) - [birds](demo/birds.ipynb) ![](demo/banner.png) ## Acknowledgements Code from the following open source packages was modified and integrated into das-unsupervised: - [avgn](https://github.com/timsainb/avgn_paper) (Sainburg et al. 2020) - [noisereduce](https://pypi.org/project/noisereduce) - [fly pulse classifier](https://github.com/murthylab/MurthyLab_FlySongSegmenter) (Clemens et al. 2018) Data sources: - flies: [David Stern](https://www.janelia.org/lab/stern-lab/tools-reagents-data) (Stern, 2014) - mice: data provided by Kurt Hammerschmidt (Ivanenko et al. 2020) - birds: [Bengalese finch song repository](https://doi.org/10.6084/m9.figshare.4805749.v5) (Nicholson et al. 2017) ## References 1. T Sainburg, M Thielk, TQ Gentner (2020) Latent space visualization, characterization, and generation of diverse vocal communication signals. Biorxiv . [https://doi.org/10.1101/870311]() 2. J Clemens, P Coen, F Roemschied, T Perreira, D Mazumder, D Aldorando, D Pacheco, M Murthy (2018) Discovery of a New Song Mode in Drosophila Reveals Hidden Structure in the Sensory and Neural Drivers of Behavior. Current Biology 28, 2400–2412.e6 (2018). [https://doi.org/10.1016/j.cub.2018.06.011]() 3. D Stern (2014). Reported Drosophila courtship song rhythms are artifacts of data analysis. BMC Biology 4. A Ivanenko, P Watkins, MAJ van Gerven, K Hammerschmidt, B Englitz (2020) Classifying sex and strain from mouse ultrasonic vocalizations using deep learning. PLoS Comput Biol 16(6): e1007918. [https://doi.org/10.1371/journal.pcbi.1007918]() 5. D Nicholson, JE Queen, S Sober (2017). Bengalese finch song repository. [https://doi.org/10.6084/m9.figshare.4805749.v5]()

نیازمندی

مقدار	نام
-	numpy
-	scipy
-	sklearn
-	matplotlib
-	colorcet
-	seaborn
-	librosa
-	noisereduce
-	Pillow
-	umap-learn<0.5
-	hdbscan

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl das_unsupervised-0.6.1:

pip install das_unsupervised-0.6.1.whl

نصب پکیج tar.gz das_unsupervised-0.6.1:

pip install das_unsupervised-0.6.1.tar.gz