结果:找到“N图”相关内容29个,排序为按回复时间降序,搜索更多相关帖子请点击“高级”
与某些Feynman图相关的图超曲面的上同调
0 个回复 - 163 次查看
摘要翻译:
对于任何一个Feynman图(有2n条边),我们可以关联一个超曲面X\子集\pp^{2n-1}。我们研究了这类超曲面的中间上同调H^{2n-2}(X)。S.Bloch,H.Esnault和D.Kreimer(Commun.Math.Phys.267,2006)已经为第一系 ...
2022-4-1 12:45 - mingdashike22 - Forum
图像异常检测的Laplacian图
0 个回复 - 277 次查看
摘要翻译:
里德-肖里检测器(RXD)被公认为图像异常检测的基准算法;然而,它存在已知的局限性,即依赖于多变量高斯模型下的图像,高维协方差矩阵的估计和反演,以及不能有效地将空间感知包含在其评估中。本文提出了一 ...
2022-3-8 17:24 - nandehutu2022 - Forum
一致性评价测量方法 ——Bland-Altman图
0 个回复 - 3894 次查看
医学研究中进行一致性检验时,通常有以下方法如下表:
首先从数据类型适用性上判断:ICC适用于定量或定类数据均可;但是Kappa一致性系数通常用于定类数据一致性;以及Kendall W协调系数用于定量数据,尤其是定序等 ...
2021-8-18 10:36 - spssau - SPSS论坛
教程—如何直接从CNN图层可视化要素地图
0 个回复 - 669 次查看
教程—如何直接从CN
N图层可视化要素地图
先决条件:-
读者知道如何生成CNN模型。
读者了解可训练的参数计算以及各个中间层的输入和输出的大小。
重要提示:-
在这里,我们只关心构建CNN模型并检查其特征图。我们 ...
2020-12-9 19:46 - 时光永痕 - 数据分析与数据挖掘
如何直接从CNN图层可视化要素地图
0 个回复 - 790 次查看
如何直接从CN
N图层可视化要素地图
先决条件:-
读者知道如何生成CNN模型。
读者了解可训练的参数计算以及各个中间层的输入和输出的大小。
重要提示:-
在这里,我们只关心构建CNN模型并检查其特征图。我们不关心 ...
2020-12-7 20:35 - 时光永痕 - 数据分析与数据挖掘
python图像识别之图片相似度计算——AIU人工智能学院
0 个回复 - 1562 次查看
AIU人工智能学院:数据科学、人工智能从业者的在线学院。数据科学(Python/R/Julia)数据分析、机器学习、深度学习[/backcolor]
[/backcolor]作者 | a1131825850疯子[/backcolor]
来源 | Python爬虫scrapy[/backco ...
2020-5-28 07:49 - AIU人工智能学院 - python论坛
求助R绘制venn图
2 个回复 - 1454 次查看
数据为excel格式,共有3个变量:x y z
每行代表一个个体,取值均为二分类 0 1
想绘制出一个venn图,反映个体在x y z出现1的情况
请大神指教程序
2018-10-31 16:02 - edragon1983 - R语言论坛
如何用R绘制GWAS研究的Manhattan图及QQ图
0 个回复 - 11842 次查看
原文网址:https://cran.r-project.org/web/p ... ignettes/qqman.html
注意:最新版的qqman程序包是基于R 3.2.5版本开发的,所以使用该程序包之前注意更新R软件到最新版本,同时安装最新版的qqman程序包。虽然以前 ...
2016-4-30 16:53 - moonstone - R语言论坛
Mahotas:Python图像处理库
2 个回复 - 2776 次查看
Mahotas 1.0发布了,该版本运行时对第三方包的依赖,只在某些情况下需要用到 matplotlib(而不是在启动时就引入),测试不再依赖于图像 IO 库。
Mahotas 是一个 Python 的图像处理库,包含大量的图像处理算法,使 ...
2014-7-25 00:47 - Nicolle - python论坛
求教使用sgplot做bland-altman图的一个问题
0 个回复 - 1738 次查看
程序如下:
proc sgplot data=_alb1;
scatter x=avg y=diff;
refline 0 &high &low &mean
/ LABEL = ("zero bias line" "95% upper limit"
"95%lower limit" "mean difference");
run;quit;
效果图 ...
2013-8-20 14:50 - xyyxxf - SAS专版