【文件属性】：
文件名称：FRETboard:FRET迹线的灵活半监督分类
文件大小：3.84MB
文件格式：ZIP
更新时间：2021-05-25 19:42:34
HTML
FRETboard：监督您的FRET检测算法
FRETboard帮助您以（半）监督的方式训练用于检测Förster共振能量转移事件的算法。
跑步
FRETboard可以作为Web应用程序在，也可以使用pip安装在您自己Linux或MacOS系统上：
pip install git+https://github.com/cvdelannoy/FRETboard.git
然后从命令行以以下方式启动FRETboard：
FRETboard
随机空闲端口上的会话将自动开始。
用法
使用FRETboard训练算法很容易； 只需按照屏幕左栏中的步骤操作即可：
1.负载
从下拉菜单中选择一种算法。 目前提供三种类型：
原始的隐马尔可夫模型（HMM）-一种简单的完全连接的HMM-应该适用于低噪声数据。
边界感知HMM尝试通过添加额外的状态来改善状态检测。
GMM-HMM实现了可感知Boud
【文件预览】：
FRETboard-master
----data_format_examples()
--------binary_example.traces(3.86MB)
--------plain_text_example.dat(24KB)
----MANIFEST.in(211B)
----FRETboard()
--------example_data.pkl(771KB)
--------main.py(465B)
--------SafeHDFStore.py(920B)
--------FretReport.py(15KB)
--------FileParser.py(13KB)
--------templates()
--------js_widgets()
--------helper_functions.py(13KB)
--------__main__.py(1KB)
--------MainTable_parallel.py(8KB)
--------__init__.py(0B)
--------Gui.py(57KB)
--------MainTable.py(8KB)
--------Predictor.py(3KB)
--------SafeH5.py(894B)
--------bokeh_serve_params.yml(247B)
--------io_functions.py(2KB)
--------algorithms()
--------GracefulKiller.py(257B)
--------algorithms.yml(76B)
--------OneshotHmm.py(5KB)
--------H5Walker.py(335B)
----runtime.txt(12B)
----FRETboard_example_report.html(2.6MB)
----meta.yaml(192B)
----Dockerfile(481B)
----Procfile(175B)
----LICENSE(1KB)
----dist()
--------FRET-board-0.0.4.tar.gz(363KB)
----model_template.py(11KB)
----FRETboard_example_screen.png(289KB)
----requirements.txt(181B)
----setup.py(1KB)
----FRET_board.egg-info()
--------PKG-INFO(10KB)
--------requires.txt(214B)
--------SOURCES.txt(1KB)
--------entry_points.txt(55B)
--------top_level.txt(10B)
--------dependency_links.txt(1B)
----README.md(8KB)
----build()
--------lib()