প্রশ্ন ট্যাগ «bioinformatics»

কম্পিউটিং এবং জৈবিক বিজ্ঞানের দ্বারপ্রান্তে অনুশাসন, যার মধ্যে আণবিক জীববিজ্ঞান, জিনেটিক্স এবং জিনোমিক্সের মতো ক্ষেত্রগুলি থেকে ডেটাগুলি সংগঠিত, রক্ষণাবেক্ষণ এবং বিশ্লেষণ করা জড়িত ves

11
মার্কভ চেইন এবং লুকানো মার্কভ মডেলগুলি শেখার সংস্থানগুলি
আমি মার্কভ চেইন এবং এইচএমএম সম্পর্কে জানতে সংস্থানসমূহ (টিউটোরিয়াল, পাঠ্যপুস্তক, ওয়েবকাস্ট ইত্যাদি) সন্ধান করছি। আমার ব্যাকগ্রাউন্ড একজন জীববিজ্ঞানী হিসাবে রয়েছে এবং আমি বর্তমানে বায়োইনফরম্যাটিকস সম্পর্কিত প্রকল্পে জড়িত। এছাড়াও, মার্কোভ মডেল এবং এইচএমএম সম্পর্কে আমার যথেষ্ট পরিমাণে বোঝার জন্য প্রয়োজনীয় গাণিতিক পটভূমি কী কী? আমি গুগল ব্যবহার করে প্রায় ঘুরে দেখছি …

3
লগের রূপান্তরিত ভবিষ্যদ্বাণী এবং / অথবা প্রতিক্রিয়ার ব্যাখ্যা
আমি ভাবছি কিনা এটির ব্যাখ্যায় কোনও পার্থক্য রয়েছে কিনা কেবল নির্ভরশীল, নির্ভরশীল এবং স্বতন্ত্র বা কেবলমাত্র স্বাধীন ভেরিয়েবলগুলি লগ রূপান্তরিত কিনা। ক্ষেত্রে বিবেচনা করুন log(DV) = Intercept + B1*IV + Error আমি আইভিটি শতাংশ বৃদ্ধি হিসাবে ব্যাখ্যা করতে পারি তবে আমার যখন কীভাবে এই পরিবর্তন হয় log(DV) = Intercept + …
46 regression  data-transformation  interpretation  regression-coefficients  logarithm  r  dataset  stata  hypothesis-testing  contingency-tables  hypothesis-testing  statistical-significance  standard-deviation  unbiased-estimator  t-distribution  r  functional-data-analysis  maximum-likelihood  bootstrap  regression  change-point  regression  sas  hypothesis-testing  bayesian  randomness  predictive-models  nonparametric  terminology  parametric  correlation  effect-size  loess  mean  pdf  quantile-function  bioinformatics  regression  terminology  r-squared  pdf  maximum  multivariate-analysis  references  data-visualization  r  pca  r  mixed-model  lme4-nlme  distributions  probability  bayesian  prior  anova  chi-squared  binomial  generalized-linear-model  anova  repeated-measures  t-test  post-hoc  clustering  variance  probability  hypothesis-testing  references  binomial  profile-likelihood  self-study  excel  data-transformation  skewness  distributions  statistical-significance  econometrics  spatial  r  regression  anova  spss  linear-model 

2
নেতিবাচক দ্বিপদী বিতরণ অবিচ্ছিন্ন সাধারণীকরণ
Gণাত্মক দ্বিপদী (এনবি) বিতরণটি অ-নেতিবাচক পূর্ণসংখ্যার উপর সংজ্ঞায়িত করা হয়েছে এবং সম্ভাব্য ভর ফাংশন f(k;r,p)=(k+r−1k)pk(1−p)r.f(k;r,p)=(k+r−1k)pk(1−p)r.f(k;r,p)={\binom {k+r-1}{k}}p^{k}(1-p)^{r}.একই সূত্র দ্বারা নির্ধারিত অ-নেতিবাচক বাস্তবগুলির উপর একটি অবিচ্ছিন্ন বিতরণ বিবেচনা করার কী অর্থ হয়? ( k∈N0k∈N0k\in \mathbb N_0 দ্বারা x∈R≥0x∈R≥0x\in\mathbb R_{\ge 0} ) প্রতিস্থাপন করা হবে ? বাইনোমিয়াল সহগকে (কে + 1) \ সিডট …

4
কৃত্রিম নিউরাল নেটওয়ার্কগুলি থেকে আমরা মানব মস্তিষ্ক সম্পর্কে কী শিখতে পারি?
আমি জানি আমার প্রশ্ন / শিরোনাম খুব নির্দিষ্ট নয়, তাই আমি এটি পরিষ্কার করার চেষ্টা করব: কৃত্রিম নিউরাল নেটওয়ার্কগুলির তুলনামূলকভাবে কঠোর ডিজাইন রয়েছে। অবশ্যই, সাধারণত, তারা জীববিজ্ঞান দ্বারা প্রভাবিত হয় এবং বাস্তব নিউরাল নেটওয়ার্কগুলির একটি গাণিতিক মডেল তৈরি করার চেষ্টা করে, তবে প্রকৃত স্নায়ু নেটওয়ার্কগুলির বিষয়ে আমাদের বোঝার সঠিক মডেল …

3
অ-রৈখিক পারস্পরিক সম্পর্ক সনাক্তকরণের জন্য এমআইসি অ্যালগরিদমকে স্বজ্ঞাতভাবে ব্যাখ্যা করা যেতে পারে?
সম্প্রতি, আমি দুটি নিবন্ধ পড়েছি। প্রথমটি হ'ল পারস্পরিক সম্পর্কের ইতিহাস সম্পর্কে এবং দ্বিতীয়টি ম্যাক্সিমাল ইনফরমেশন কোয়ালিটি (এমআইসি) নামে পরিচিত নতুন পদ্ধতি সম্পর্কে। ভেরিয়েবলের মধ্যে অ-রৈখিক পারস্পরিক সম্পর্ক অনুমান করার জন্য এমআইসি পদ্ধতিটি বোঝার জন্য আমার আপনার সহায়তা দরকার। অধিকন্তু, আর এর ব্যবহারের নির্দেশাবলী লেখকের ওয়েবসাইটে পাওয়া যাবে ( ডাউনলোডের অধীনে …

2
অত্যন্ত ভারসাম্যহীন ডেটা সেটের জন্য প্রশিক্ষণের পন্থা
আমি একটি অত্যন্ত ভারসাম্যহীন পরীক্ষা ডেটা সেট আছে। পজিটিভ সেটটিতে 100 টি কেস থাকে এবং নেগেটিভ সেটটিতে 1500 টি কেস থাকে। প্রশিক্ষণের পক্ষে, আমার কাছে আরও বড় প্রার্থী পুল রয়েছে: ইতিবাচক প্রশিক্ষণ সেটটিতে 1200 টি এবং নেতিবাচক প্রশিক্ষণের সেটটিতে 12000 কেস রয়েছে। এই ধরণের দৃশ্যের জন্য আমার বেশ কয়েকটি পছন্দ …

4
ডিএনএ সিকোয়েন্সিংয়ের জন্য নেতিবাচক দ্বিপদী বিতরণ ফ্রেম করা
নেতিবাচক দ্বিপদী বিতরণ বায়োইনফরম্যাটিক্সে গণনা সম্পর্কিত ডেটা (নির্দিষ্ট পরীক্ষায় জিনোমের একটি নির্দিষ্ট অঞ্চলের মধ্যে বিশেষত প্রত্যাশিত সংখ্যার পাঠযোগ্য) হয়ে উঠেছে model ব্যাখ্যা পৃথক: কেউ কেউ এটিকে এমন কিছু হিসাবে ব্যাখ্যা করেছেন যা পয়েসন বিতরণের মতো কাজ করে তবে একটি অতিরিক্ত প্যারামিটার রয়েছে, সত্যের বিতরণকে আরও স্বাধীনতার মঞ্জুরি দেয়, পরিবর্তনের সাথে …

8
মেশিন লার্নিংয়ের জন্য "হট অ্যালগরিদম" কী কী?
মেশিন লার্নিং শিখতে শুরু করা কারও কাছ থেকে এটি একটি নির্লজ্জ প্রশ্ন। আমি আজকাল মার্সল্যান্ডের "মেশিন লার্নিং: একটি অ্যালগোরিদমিক দৃষ্টিভঙ্গি" বইটি পড়ছি। আমি এটি একটি প্রবর্তনাকারী বই হিসাবে দরকারী মনে করি তবে এখন আমি উন্নত অ্যালগরিদমে যেতে চাই, যেগুলি বর্তমানে সেরা ফলাফল দিচ্ছে। আমি বেশিরভাগ বায়োইনফরম্যাটিক্সে আগ্রহী: জৈবিক নেটওয়ার্কগুলির গুচ্ছবৃত্তি …

7
পরিসংখ্যান তত্ত্ব এবং অ্যাপ্লিকেশন থেকে জ্ঞান তৈরি
আমি সম্প্রতি পটভূমি হিসাবে ইঞ্জিনিয়ারিং গণিতের সাথে মেডিকেল এবং জৈবিক মডেলিংয়ের উপর স্নাতকোত্তর পেয়েছি with যদিও আমার শিক্ষা প্রোগ্রামে গাণিতিক পরিসংখ্যানের উপর একটি উল্লেখযোগ্য পরিমাণে পাঠ্যক্রম অন্তর্ভুক্ত ছিল (একটি তালিকার নীচে দেখুন), যা আমি বেশ উচ্চ গ্রেড দিয়ে পরিচালনা করেছিলাম, আমি প্রায়শই সম্পূর্ণভাবে হারিয়ে ফেলেছি তত্ত্ব এবং পরিসংখ্যানের প্রয়োগ উভয়কেই …

2
একটি আরএনএ সেক এবং একটি চিপ-চিপ ডেটা সেটের মধ্যে জিনের তালিকা ওভারল্যাপের সম্ভাবনার গণনা করা হচ্ছে
আশা করি জিন এক্সপ্রেশন অধ্যয়নের ক্ষেত্রে এই ফোরামগুলির কেউ আমাকে এই প্রাথমিক সমস্যাটি সম্পর্কে সহায়তা করতে পারেন। আমি একটি পরীক্ষামূলক এবং একটি নিয়ন্ত্রণ টিস্যু গভীর সিকোয়েন্সিং করেছি। আমি তখন নিয়ন্ত্রণের উপর পরীক্ষামূলক নমুনায় জিনগুলির ভাঁজ সমৃদ্ধকরণের মানগুলি অর্জন করি। রেফারেন্স জিনোমে ~ 15,000 জিন রয়েছে। নিয়ন্ত্রণের তুলনায় আমার আগ্রহের নমুনায় …

2
জিন সদৃশ স্তর দ্বারা সমৃদ্ধ বিশ্লেষণ
জৈবিক পটভূমি সময়ের সাথে সাথে কিছু উদ্ভিদ প্রজাতি প্রতিটি জিনের অতিরিক্ত অনুলিপি অর্জন করে তাদের পুরো জিনোমগুলি নকল করে। এই সেটআপটির অস্থিরতার কারণে, এর মধ্যে অনেকগুলি জিনগুলি মুছে ফেলা হয় এবং জিনোম নিজেই পুনর্বিন্যাস হয় এবং স্থির হয়, আবার নকল তৈরির জন্য প্রস্তুত। এই সদৃশ ইভেন্টগুলি স্পেসিফিকেশন এবং আক্রমণের ইভেন্টগুলির …

3
জেনেটিক অ্যাসোসিয়েশন স্টাডিতে কেউ কেন সমবয়সী হিসাবে বর্গ বর্গ ব্যবহার করবে?
জেনেটিক অ্যাসোসিয়েশন স্টাডিতে কেউ কেন যুবা এবং বয়সের স্কোওয়ারেট হিসাবে ব্যবহার করবে? আমি বয়সের ব্যবহার বুঝতে পারি যদি এটি কোনও উল্লেখযোগ্য কোভারিয়েট হিসাবে চিহ্নিত করা হয় তবে বয়সের স্কোয়ার ব্যবহারের ক্ষেত্রে আমি ক্ষতিতে আছি।

1
কেন আনোভা () এবং ড্রপ 1 () জিএলএমএমগুলির জন্য আলাদা উত্তর সরবরাহ করে?
আমার ফর্মটির একটি জিএলএমএম রয়েছে: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) আমি যখন ব্যবহার করি drop1(model, test="Chi"), তখন আমি Anova(model, type="III")গাড়ি প্যাকেজটি ব্যবহার করি বা না থেকে তার চেয়ে আলাদা ফলাফল পাই summary(model)। এই দ্বিতীয় দুটি একই উত্তর দেয়। একগুচ্ছ মনগড়া তথ্য …
10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

3
পরিসংখ্যান এবং তথ্যবিজ্ঞানের মধ্যে পার্থক্য কী?
আমরা সর্বদা বলি যে পরিসংখ্যান কেবলমাত্র ডেটা নিয়ে কাজ করে। তবে আমরা এটিও জানি যে তথ্য বিশ্লেষণগুলি ডেটা বিশ্লেষণ থেকেও জ্ঞান পাচ্ছে। উদাহরণস্বরূপ, বায়োইনফরমেটিক্সের লোকেরা সম্পূর্ণরূপে বায়োস্ট্যাটিকস ছাড়াই যেতে পারেন। আমি জানতে চাই পরিসংখ্যান এবং তথ্যবিজ্ঞানের মধ্যে প্রয়োজনীয় পার্থক্য কী।

1
কোন গভীর শিক্ষণ মডেল এমন বিভাগগুলিকে শ্রেণিবদ্ধ করতে পারে যা পারস্পরিক একচেটিয়া নয়
উদাহরণ: আমার কাজের বাক্যে একটি বাক্য রয়েছে: "যুক্তরাজ্যের জাভা সিনিয়র ইঞ্জিনিয়ার"। আমি এটি 2 বিভাগ: English এবং হিসাবে পূর্বাভাস দেওয়ার জন্য একটি গভীর শিক্ষার মডেল ব্যবহার করতে চাই IT jobs। যদি আমি traditionalতিহ্যগত শ্রেণিবদ্ধকরণ মডেল ব্যবহার করি তবে এটি কেবল softmaxসর্বশেষ স্তরে ফাংশন সহ 1 টি লেবেল পূর্বাভাস দিতে পারে …
9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.