ดาวน์โหลด Unfold.jl - ดาวน์โหลดซอร์สโค้ด Unfold.jl

Unfold.jl

ซอร์สโค้ดอื่น ๆ

v0.7.7

ดาวน์โหลด

การประมาณค่า การแสดงภาพ การจำลอง ไปป์ไลน์ BIDS การถอดรหัส สถิติ

กล่องเครื่องมือสำหรับดำเนินการถดถอยเชิงเส้น / GAM / ลำดับชั้น / การแยกส่วนบนสัญญาณทางชีววิทยา

การสร้างแบบจำลองประเภทนี้เรียกอีกอย่างว่าการสร้างแบบจำลองการเข้ารหัส การแยกส่วนเชิงเส้น ฟังก์ชันการตอบสนองชั่วคราว (TRF) การระบุระบบเชิงเส้น และอาจอยู่ภายใต้ชื่ออื่น ๆ นอกจากนี้ยังรองรับโมเดล fMRI ที่มีฟังก์ชันพื้นฐาน HRF และฐานการขยายรูม่านตาด้วย

เริ่มต้นใช้งาน

?ผู้ใช้หลาม?

เราแนะนำ Julia อย่างชัดเจน - แต่ผู้ใช้ Python สามารถใช้ juliacall/Unfold ได้โดยตรงจาก python!

การติดตั้งจูเลีย

คลิกเพื่อขยาย

วิธีที่แนะนำในการติดตั้ง julia คือ juliaup ช่วยให้คุณสามารถอัปเดต Julia ได้อย่างง่ายดายในภายหลัง แต่ยังทดสอบเวอร์ชันอัลฟ่า/เบต้าเป็นต้น

TL:DR; หากคุณไม่ต้องการอ่านคำแนะนำที่ชัดเจน เพียงคัดลอกคำสั่งต่อไปนี้

หน้าต่าง

AppStore -> JuliaUp หรือ winget install julia -s msstore ใน CMD

แมคและลินุกซ์

curl -fsSL https://install.julialang.org | sh ในเปลือกใดก็ได้

การติดตั้ง Unfold.jl

 using Pkg
Pkg . add ( " Unfold " )

การใช้งาน

โปรดตรวจสอบเอกสารสำหรับบทช่วยสอน คำอธิบาย และอื่นๆ อีกมากมาย!

เคล็ดลับเกี่ยวกับเอกสาร

คุณสามารถอ่านเอกสารออนไลน์: - หรือใช้คุณลักษณะ ?fit , ?effects julia-REPL หากต้องการกรองเอกสาร ให้ใช้เช่น ?fit(::UnfoldModel)

ต่อไปนี้เป็นภาพรวมโดยย่อเกี่ยวกับสิ่งที่คาดหวัง

สิ่งที่คุณต้องการ

 using Unfold

events :: DataFrame

# formula with or without random effects
f = @formula 0 ~ 1 + condA
fLMM = @formula 0 ~ 1 + condA + ( 1 | subject) + ( 1 | item)

# in case of [overlap-correction] we need continuous data plus per-eventtype one basisfunction (typically firbasis)
data :: Array{Float64,2}
basis = firbasis (τ = ( - 0.3 , 0.5 ),srate = 250 ) # for "timeexpansion" / deconvolution

# in case of [mass univariate] we need to epoch the data into trials, and a accompanying time vector
epochs :: Array{Float64,3} # channel x time x epochs (n-epochs == nrows(events))
times = range ( 0 ,length = size (epochs, 3 ),step = 1 / sampling_rate)

เพื่อให้เหมาะกับโมเดลใดๆ Unfold.jl จึงมีไวยากรณ์แบบครบวงจร:

การทับซ้อนกัน-การแก้ไข	การสร้างแบบจำลองแบบผสม	ไวยากรณ์ของจูเลีย
		`fit(UnfoldModel,[Any=>(f,times)),evts,data_epoch]`
x		`fit(UnfoldModel,[Any=>(f,basis)),evts,data]`
	x	`fit(UnfoldModel,[Any=>(fLMM,times)),evts,data_epoch]`
x	x	`fit(UnfoldModel,[Any=>(fLMM,basis)),evts,data]`

เปรียบเทียบกับ Unfold (matlab)

คลิกเพื่อขยาย

เวอร์ชัน Matlab ยังคงอยู่ แต่การพัฒนาที่แข็งขันเกิดขึ้นใน Julia

คุณสมบัติ	แฉ	ไม่ผสม (หมดอายุ)	Unfold.jl
การแก้ไขการทับซ้อนกัน	x	x	x
เส้นตรงที่ไม่เป็นเชิงเส้น	x	x	x
ความเร็ว			⚡ 2-100x
รองรับจีพียู
เครื่องมือวางแผน	x		แฉMakie.jl
การวางแผนเชิงโต้ตอบ			คอยติดตาม - เร็ว ๆ นี้!
เครื่องมือจำลอง	x		UnfoldSim.jl
การสนับสนุนการเสนอราคา	x		อัลฟา: UnfoldBIDS.jl)
การตรวจสอบสุขภาพจิต	x		x
บทช่วยสอน	x		x
ทดสอบหน่วย	x		x
ฐานทางเลือก เช่น HRF (fMRI)			x
ผสมฟังก์ชันพื้นฐานที่แตกต่างกัน			x
กรอบเวลาที่แตกต่างกันต่อเหตุการณ์			x
รุ่นผสม		x	x
ไอเท็มและเอฟเฟกต์ของวัตถุ		(เอ็กซ์)	x
ถอดรหัส			แฉDecode.jl
สวมใส่ได้พอดี			ตัวเลือกมากมาย (แต่ช้ากว่า)
?รองรับหลาม			ผ่านทาง juliacall

ผลงาน

ยินดีเป็นอย่างยิ่ง สิ่งเหล่านี้อาจเป็นการพิมพ์ผิด รายงานข้อบกพร่อง คำขอคุณลักษณะ การเพิ่มประสิทธิภาพความเร็ว ตัวแก้ไขใหม่ โค้ดที่ดีขึ้น เอกสารประกอบที่ดีขึ้น

วิธีการมีส่วนร่วม

คุณสามารถแจ้งปัญหาและเริ่มดึงคำขอได้!

การเพิ่มเอกสาร

เราขอแนะนำให้เขียนเอกสาร Literate.jl และวางไว้ใน docs/literate/FOLDER/FILENAME.jl โดยที่ FOLDER เป็น HowTo , Explanation , Tutorial หรือ Reference (แนะนำให้อ่านใน 4 หมวดหมู่)
Literate.jl แปลงไฟล์ .jl เป็น .md โดยอัตโนมัติและวางไว้ใน docs/src/generated/FOLDER/FILENAME.md
แก้ไข make.jl โดยอ้างอิงถึง docs/src/generated/FOLDER/FILENAME.md

ผู้ร่วมให้ข้อมูล

_{จูดิธ เชปเปอร์ส} - ?	_{เบเนดิกต์ เอฮิงเกอร์} - ? - - -	_{เรอเน สกี้ส์} - ?	_{มันปา บาร์มัน} -	_{ฟิลลิป อัลเดย์} -	_{เดฟ ไคลน์ชมิดท์}	_{สะเก็ด สุรภา} -
_Suddha-bpn -	_{วลาดิเมียร์ มิฮีฟ} -	_{คาร์เมนัมเม}	_{แม็กซิมิเลียน ฟาน มิเจม} -