搜索资源 - wta-源码

搜索资源列表

CountCorrect：用于分析Nanostring-WTA数据的方法，同时考虑到常见的噪声源，例如背景绑定-源码
InSituCellTools（isctools）使用概率生成模型和变异推论来分析NanostringWTA和其他基于探针的空间转录组学数据的方法。配置环境您需要安装miniconda并创建一个包含pymc3和theano的conda环境，准备在GPU上使用。请按照以下步骤操作：如果没有conda，请先安装Miniconda： cd /path/to/software wget https://repo.anaconda.com/miniconda/Miniconda3-late
所属分类：其它
- 发布日期：2021-02-18
- 文件大小：6291456
- 提供者：weixin_42097189

SnotelDataPipeline-源码
Snotel数据管道和全栈Web应用程序该存储库包含数据管道以及用于查询和绘制数据的前端（Angular）和后端（Django REST）。该管道从USDA抓取流量数据以及WTA（华盛顿步道协会）的行程报告，并使用-使用psycopg2将数据插入postgresDB-Kafka Connect和Debezium postgres源连接器将行程报告发布到Kafka主题中然后由ElasticSearch使用-Django REST框架提供了用于搜索行程报告的API，并由Elastic Sear
所属分类：其它
- 发布日期：2021-02-11
- 文件大小：6291456
- 提供者：weixin_42152298

SciPy-stereo-sgm：立体图像深度重建，包括全部获胜者通吃（WTA）和具有绝对差之和（SAD），平方差之和（SSD）和归一化互相关的半全局匹配（SGM）（NCC）基于匹配的成本，使用Numpy和Numba在Python中实现，
立体声匹配 *作者：（2020年1月）总览这个小工具是简单的立体声匹配的手动实现。从不同的角度拍摄的两个经过校正的图像：左图正确的图像通过两个匹配算法来组合以深度图像，简单胜者为王它，所有（WTA）或更复杂的半全局匹配（SGM）与绝对差的几个匹配成本（和（SAD），总和平方差（SAD）或归一化互相关（NCC））。使用accX精度度量将结果与真实情况进行比较，不包括使用遮罩遮挡的像素。公式有关所涉及公式的精确细节（匹配成本，匹配算法和精度度量），请参阅Theory.p
所属分类：其它
- 发布日期：2021-02-04
- 文件大小：5242880
- 提供者：weixin_42115074