「RELION」の版間の差分

提供: Eospedia
移動: 案内検索
(数式の構文エラーをFix)
行1: 行1:
 
'''RELOION'''のアルゴリズムに関して、整理したページになります。すこしずつまとめたいと思います。
 
'''RELOION'''のアルゴリズムに関して、整理したページになります。すこしずつまとめたいと思います。
  
<math> P(¥Theta| X, Y) = P(X|¥Theta,Y) P(¥Theta|Y)  </math>
+
<math>P(\Theta | X, Y) = P(X|\Theta ,Y) P(\Theta |Y)  </math>
  
X: 観測されたデータ
+
<math>X</math>: 観測されたデータ
Y: 事前情報
+
<math>Y</math>: 事前情報
Θ:パラメータセット
+
<math>\Theta</math>:パラメータセット
  
尤度の定義:(k, phi, THETA(n), Y) が与えられたときの画像Xiとなるときの尤度
+
尤度の定義:<math>(k, \phi, \Theta(n), Y)</math> が与えられたときの画像<math>X_i</math>となるときの尤度
<math> P(X_i | k, ¥phi, ¥THETA^(n)) = </math>
+
 
 +
<math>P(X_i | k, \phi, \Theta^{(n)})=</math>
  
 
i: i番目の画像
 
i: i番目の画像
行22: 行23:
  
 
==== [[RELIONのMacへの導入]]====
 
==== [[RELIONのMacへの導入]]====
 
+
==== [[RELIONのLinuxへの導入]]====
 
==== [[RELIONチュートリアル]]====
 
==== [[RELIONチュートリアル]]====

2017年2月16日 (木) 12:51時点における版

RELOIONのアルゴリズムに関して、整理したページになります。すこしずつまとめたいと思います。

: 観測されたデータ : 事前情報 :パラメータセット

尤度の定義: が与えられたときの画像となるときの尤度

i: i番目の画像 (n): n回目 j: フーリエ成分j (2次元フーリエ空間:実験画像2D) J: フーリエ成分の数 sigma^2_ij^(n): ノイズの分散(分解能毎で予測される)、データから推定 CTFij: i番目の画像のフーリエ成分jのCTF(コントラスト伝達関数)の値 l: フーリエ成分l(3次元フーリエ空間:3Dマップ) L: フーリエ成分の数 k: k番目の3Dマップ phi: 回転(3自由度)+平行移動(2自由)

RELIONのMacへの導入

RELIONのLinuxへの導入

RELIONチュートリアル