|
f****d
发帖数: 3888 | 2 很早之前就说要发布了。要是俺有闲钱，一个D800，一个XP1或者这个EM-5. |
|
|
s*****n
发帖数: 10890 | 4 最近好多关于em-5的讨论 感觉也没之前想的那么牛逼。 |
|
M********0
发帖数: 1230 | 5 我知道这俩定位不是一个级别的
但是如果CMOS都是一样的
EM-1比GX7的优势在哪呢 |
|
|
|
T********r
发帖数: 6210 | 8 想卖的物品：
Olympus OM-D EM-5 with 12-50mm kit lens, flash, and 45mm f/1.8 lens, USA
version but out of warranty. I remember the USA warranty card is still in
the box but need to double check. Include original box and accessories. Lost
the manual and OEM charger, but will include two after-market batteries and
charger. Total shutter count 2683. Excellent to mint condition (you can
tell from the shutter count).
价格：
$900 net for the whole kit.
付款方式：
paypal, boa, etc，湾区可以当面交易。
说明：
帮一个朋友卖的，if interested,... 阅读全帖 |
|
e**n
发帖数: 5876 | 9 GX7. 综合起来比骚妮a6000和奥林em-5都强 |
|
k*****r
发帖数: 21039 | 10 EM-5 + 12-40mm f2.8和骚妮a6000+套头，哪个成像质量好呢？ |
|
e**n
发帖数: 5876 | 11 这个肯定是EM-5 + 12-40mm f2.8成像质量更好, 无论是高感, 虚化, 焦外等等. 全面
超出. 我想这个没有异议巴 |
|
s**********r
发帖数: 533 | 12 主要用来拍娃，想买个轻便的，对焦快的，然后配一到两个定焦
研究了一下，感觉gx85估计很可能入手，但em-10的颜值很高，可惜没有4K录像
看了一圈下来，我看基本上4/3能符合要求
a6300,6500否定，实在over price，不值，a6000太老，不想碰。
有一个便宜的nex 3n几年买的加sigma 30 2.8，用着十足满意，但对焦实在太慢
家里一套D800加大三元，实在不想背，根本没机会用。 |
|
D***3
发帖数: 12712 | 13 a6000太老 em-10就不老？
至少要em10ii,em10iii........ |
|
d******d
发帖数: 2210 | 14 动作太快了，还想说先等等 em 10 mk 3 |
|
T****i
发帖数: 15191 | 15 画质挺好的啊。
Flickr上搜他， 最新的照片都是用EM－5II拍的。以前他好像用的是尼康。 |
|
D***3
发帖数: 12712 | 16 技术问题
拿EM－5II拍 只会更差......... |
|
H********g
发帖数: 43926 | 17 【 以下文字转载自 Military 讨论区 】
发信人: srx (srx), 信区: Military
标 题: 无工质驱动---EM Drive---现在看来不是伪科学了？
发信站: BBS 未名空间站 (Tue Aug 2 17:51:27 2016, 美东)
这个英国人1999年提出的概念，把微波打入一个两边面积大小不同的真空腔（形状是个
Truncated cone），让电磁波在两个面不断反射就能产生动力，也就是无功质发动机。
刚开始大家都觉得这是搞笑的，因为这东西不符合动量守恒和牛顿第三定律啊，没东西
喷出来推动，这东西怎么能有动力？基本就是民科，伪科学一堆儿的。
没想到后来西工大真的按照这设计做了一个真空腔，输入微波，结果怎么着？真的有输
出推力！这就有意思了。后来NASA和德国人也做了实验，好像的确是有动力输出，但也
是不知道这动力到底哪儿来的，因为这东西本来就不应该好使啊。
最近查了一下进展，发现COMSOL的人做了一些模拟，提出一个设想---这东西还是发射
出了功质的，不过大家都测不到，因为是相位正好相反的光子对---我勒个去，这东西
越来越有意思了，跟真空和... 阅读全帖 |
|
R*******N
发帖数: 7494 | 18 概而言之,对后验概率P(Q,V|O),
(Q是参数，V是变量，O是观察结果)
E-step计算P(V｜O,Q),
M-step计算argmax logP(O,Q)=log{SIGMA(P(O,Q,V)},
如此迭代即得到大后验概率的Q,
Q是自由变量(free variable),
之所以引入log概率，
我认为可能是Bayes公式的缘故,
可参考:
Dempster, A., Laird, N., and Rubin, D. (1977). Maximum likelihood from incom-
plete data via the EM algorithm. Journal of the Royal Statistical Society,
Series B, 39(1):1–38. |
|
w********c
发帖数: 2632 | 19 ☆─────────────────────────────────────☆
jetchen (飞机) 于 (Fri Nov 2 14:44:48 2007) 提到:
比如已知有n个 Gaussian mixture, 其中已经有m个gaussian的mean和variance知道了
， 要求剩下的(n-m)的mean, variance， 和mixing coef.
是不是在EM update的时候加一些限制条件就行了？
☆─────────────────────────────────────☆
PaulPierce (Paul) 于 (Fri Nov 2 18:11:17 2007) 提到:
E的时候，不重新计算知道的m个m & var
☆─────────────────────────────────────☆
sonyisme (偶静感乖类 :)) 于 (Fri Nov 2 18:11:56 2007) 提到:
re,hehe
☆─────────────────────────────────────☆
PaulPierce |
|
d******e
发帖数: 7844 | 20 regression是Model.
EM是一种优化和参数估计的算法，呵呵。
一回事就怪了 |
|
|
l***g
发帖数: 3 | 22 Sorry, no Chinese editor in my office.
After installed the APP Server 10g on Solaris9, I created a new instance and
deployed a new application. I got the first page of the application, but miss
some logos, images, also can't connect to database. So I did some changes in
the httpd.conf and reboot the server, after that, I put the same URL:
http://'host_IP':1810, but the EM console cannot be displayed (The page cannot
be displayed) on IE.
I changed the Listen, Port and ServerName in httpd.conf, wh |
|
p*******r
发帖数: 4048 | 23 嗯， tsinghua just bought a cryo-EM machine.
I think it's an interesting direction. |
|
j***n
发帖数: 23 | 24 The fundamental idea of EM reconstruction is quite old, Aaron Klug in MRC
has earned Nobel at 1982 in part of it.
In term of computation, the manipulation in cryoEM is as much as X-ray, if
not less. The biggest problem is the heterogeneity of the sample, which
hampers all kind of structural biology techniques and only can be solved by
biological manipulations. |
|
s******y
发帖数: 28562 | 25 我不是业内行家所以只能说来参考吧。其实两种方法都有好和不好的地方。
高压冷冻对于保存细微结构比较好，抗染也很漂亮。但是技术不太容易掌握，
弄不好的话就把微结构全部破坏了。而且很多地方没有那个仪器。
化学固定其实没有他们说的那么糟糕，其实大部分结构保存得还是很好的，
但是最大的问题就是做抗染的时候信号／噪音比太差，除非是阳性结果非常
强的情况下不好下结论。
你问的这个问题，关键在于你的实验到底是在做什么，如果是证明某个蛋白在
某个已知的结构上的位置，比方说要证明某蛋白在线粒体的外膜上，那就没有
什么大问题。尤其假如你已经有其他的证据，比方说生化证据和光学成像证据，
那么基本上不会被挑战。
但如果你要做一个大家都不是很了解的结构，那就容易被人拍砖。比方说你要
做一个以前大家都不知道的微管蛋白的聚合中心，而且要有该形态研究作一个大
的结论，那么就容易死得很惨。其实要做形态学发到高端杂志的话，一般会被
要求做两种以上的方法。除非你老板是大牛。
freeze
elegant
EM |
|
C*******h
发帖数: 75 | 26 Yours more informative. Nice post!
" I mean if you use this way to do the immuno
-EM and it would be one of the major tools in the paper? " in his/her post. |
|
b******s
发帖数: 1089 | 27 Thanks for the reply. I am also thinking of collaboration if HPF turns out
to be necessary. But I am still in the period of confirming preliminary data
. I showed the images to an EM expert before but she liked the idea of HPF.
Could you let me know where is your institute?
colloborate |
|
w**********9
发帖数: 242 | 28 my opionion
it's not about structure; it's about biology. therefore, doesn't matter much
if cryo-em or not. in fact, it is a fast way get a conformation. |
|
z********i
发帖数: 610 | 29 现在考虑转就是因为能很容易接触到，和做cryo-EM的老板关系不错，所以是手把手的
教。 |
|
W****g
发帖数: 690 | 30 根据所叙情况，如果是学生的话，绝对可以试一试。如果是postdoc的话，好像转不转
都差不多。
，不知道这个选择怎么样？
都会用到这些技术，觉得前途渺茫，目前的实验室是老板基本不管，自己在这里折腾。
如果现在转到cryo-EM上能得到比较好的training，结合自己的biology背景，觉得可以
做些东西，所以现在有这个想法。 |
|
p*****m
发帖数: 7030 | 31 前两年做cyro－em找工作很爽啊 这两年不太清楚 要说这个领域的faculty位置饱和起
来感觉也会很快的 你去找这两年facultied的打听打听？ |
|
p*****m
发帖数: 7030 | 32 人家说了觉得传统生化技术没有什么优势
LZ好像没有关心到目前领域和Cryo-EM领域职业前景的比较。 |
|
g****e
发帖数: 10 | 33 本人初学用有限元方法来模拟RF/EM问题。 现考虑平面波在无限大air-glass 界面的反
射／折射 （y=0 为界面），平面波在上半平面（air)入射到界面。 我选择矩形计算窗
口：左，右 为周期性边界，上下用PML . 用COMSOL的RF In-plane TE model (
scattered field formulation), 模拟结果总是不对。 原因是 total e-field 在y=0
界面不连续。琢磨多时也不得要领。请经验的大虾指点一下， 非常感谢！ |
|
|
e*****g
发帖数: 2560 | 35 来自主题: Mathematics版 - EM 算法 EM 算法可以用于解决 gaussian mixture 的分类估计。
能不能用于解决其它 mixture models 的分类估计？
例如， 数据是一个gaussian 和一个 uniform distribution 的混合？
可以或不可以，可否解释一下，或给个reference.
先谢了 |
|
h******a
发帖数: 4 | 36 在不同条件下 如何用EM Algorithm去估未知参数
1。Gaussian Mixture Model with common known variance
2。Gaussian Mixture Model with common unknown variance
3。Gaussian Mixture Model with different unknown variance |
|
b*****e
发帖数: 499 | 37 这是EM算法最普通的应用了。GOOGLE一下就应该能找到答案。 |
|
t*****9
发帖数: 19 | 38 Hi, I think if you go to "R search" and you will find some packages that
deal with such kind of normal mixtures with EM algorithm. What you need to
do is to specify those situations for the functions provided.
Hope this helps. |
|
b*********h
发帖数: 240 | 39 在mixture model中， 我用EM 计算了weights.
在estimate variance时， 我用到了weights. 但在分析bias时，我无法处理那些
weight,因为是iterative solution.
请问有人做过这方面的工作吗？
谢谢。 |
|
i********f
发帖数: 206 | 40 SAS或者R有什么package可以用EM的方法计算Gaussian Mixture Models的参数么?
2个Gaussian分布的混合
找mean(1&2), variance(1&2), probability
或者有什么比较详细的介绍也行
多谢了 |
|
A*******s
发帖数: 3942 | 41 SID搞了几个，就是没有有EM的安装文件！！
哪位大侠给我指出一条生路，我用包子砸你！！ |
|
c*m
发帖数: 1114 | 42 看版上JJZZ安装这个sas 9.2问题不断，我老手头只有Win7却没有合适的安装介质来测试
，只好连夜去贱妾帖子里面的地址重新下载了最新的SAS9.2, maintainance 3 x32和x6
4 version.
这个最新的sas92 maintainance 3是02/2010出品的，比较牛，完美支持win7了。
1. x32 version，可以用我以前发的到06/2010的license安装。
2. x64 version, 我发的那个license 到06/2009,估计比较久，大概 是针对sas92 mai
ntance 1 介质的，不能用, 如果你以前在贱妾那个网上下过老版本的sas92 maintaina
nce 1 x64介质的话，能用，不过那个不支持win7. 各位如果找不到win7的license的话
就用用x32的算了，反正性能区别应该不大。
3. 同样，我发的那个到06/2010的linux x32版本的license也应该能用，它和x32应该是
一组对应maintanance 2 以后版本的license.
4. EM 模块的话，我刚才在x32 ver |
|
s*r
发帖数: 2757 | 43 其实我觉得em没什么必要真的操作
拿它的document 背一背就足够了 |
|
P****D
发帖数: 11146 | 44 贱妾不是为了应付考试之类的。上次有一个东西想用tree-based model分析，所以才来
版上求EM。后来求不到，就用R做了，所以其实也是无所谓。 |
|
|
k*****u
发帖数: 1688 | 46 EM是先求missing data的条件期望
然后再max likelihood
你这么表示likelihood不对头 |
|
a***r
发帖数: 420 | 47 弱弱地问一个关于EM algorithm的基础问题，
大家都知道：(theta 为新一轮估计值，theta’为上一轮估计值)
L(theta) = Q(theta, theta')- H(theta,theta')
where H(theta，theta')=E(log[f(x|y,theta)]|y,theta')
为啥H(theta,theta’)总是小于等于H(theta',theta') 呢？
书上简单说了下，by Jensen‘s Inequality，
但是愚鲁的我没有想明白。。。
望版上大虾指点！ |
|
c*****l
发帖数: 1493 | 48 simulating a very basic model: Y|b=X*\beta+Z*b +\sigma^2* diag(ni);
b~N(0,\psi) #bivariate normal
where b is the latent variable, Z and X are ni*2 design matrices, sigma is
the error variance,
Y are longitudinal data, i.e. there are ni measurements for object i.
Parameters are \beta, \sigma, \psi; call them \theta.
I wrote a EM, the M step is to maximize the log(f(Y,b;\theta)) as the
regular way,
the E step involves the evaluation of E step, using Gau... 阅读全帖 |
|
h******3
发帖数: 190 | 49 多谢~
EM+bootstrap 那要run多久。。。
大, |
|
