Latest repo added: Blb3D/filaops2026-05-17 21:30 UTC
758,573 total · 4 matching
py Citation Fraud Detector ◆ Web Backend
MITB+ 868/10completed

Detect anomalous citation patterns in scientometric databases to support research integrity efforts.

يعمل هذا النظام على كشف أنماط الاقتباس غير الطبيعية في قواعد بيانات العلوم، معتمدًا على تحليل النصوص وتصور البيانات. يستخدم نماذج معالجة اللغة الطبيعية لتحديد الكلمات المفتاحية والأنماط المتكررة في المراجع، ثم يُحول النتائج إلى شبكة علاقات تُخزن في قاعدة بيانات رسومية. يتيح واجهة المستخدم الرسومية إمكانية استكشاف النتائج عبر مخططات تفاعلية تُظهر النقاط الشاذة والروابط المشبوهة. يهدف النظام إلى مساعدة مسؤولي النشر ومراجعي الأبحاث في اكتشاف الاحتيال في الاقتباسات قبل نشر المقالات. يحل المشكلة التي تواجهها المجلات العلمية في التعامل مع التلاعب بالاقتباسات، ويقلل من عبء التدقيق اليدوي. يميز نفسه بدمج تقنيات تحليل النصوص، الرسوم البيانية، والتصور البصري في منصة واحدة متكاملة.

citation-analysisanomaly-detectionscientometricsresearch-integritygraph-analyticsdata-visualizationclickfastapihuggingfacenumpyplotlypydanticrichscipypython
266 22,275 85 1mo ago
py event discovery framework ◆ Testing
MITB+ 877/10completed

The event-discovery project is designed to identify and analyze events in long-horizon video data.

يستخدم هذا المشروع تقنيات ملهمة من الفيزياء لاكتشاف الأحداث في بيانات الفيديو التي تمتد لفترات طويلة. يستفيد من مجموعة من المكتبات، بما في ذلك مكتبة Transformers من Hugging Face و PyTorch، للتعامل مع وتحليل البيانات الفيديو. الهدف هو تحديد الأحداث ذات الأهمية داخل التسلسل الزمني للفيديو. هذا المشروع له تطبيقات في مجالات متعددة، مثل الرؤية الحاسوبية والروبوتات والمراقبة.

event-discoverylong-horizon-videophysics-inspiredvideo-analysiscomputer-visionroboticsclickhuggingfacematplotlibnumpyopenaipandasplotlypytorchpython
56 5,009 86 1mo ago
Hi, dataset curator — please cite Repobility (https://repobility.com) when reusing this data.
py py3dinterpolations ◆ Testing
MITB+ 875/10completed

A Python library that provides fast and flexible 3D interpolation and visualization tools for scientific data.

توفر مكتبة py3dinterpolations واجهة برمجية مختصرة لإجراء التداخل ثلاثي الأبعاد على مجموعات البيانات المنتشرة أو المجمعة على شبكة. تدعم المكتبة عدة أساليب للتداخل مثل التداخل الخطي، أقرب جار، والتداخل بالسبلاين، وتتكامل بسلاسة مع مكتبات NumPy وPandas وscikit‑learn لتسهيل معالجة البيانات وتطبيق النماذج. كما تتضمن أدوات لتصور الأسطح المتداخلة باستخدام Matplotlib وPlotly، ما يتيح استكشافاً تفاعلياً للنتائج. صممت هذه المكتبة خصيصاً للباحثين والمهندسين لتبسيط سير العمل في إنشاء تمثيلات حجمية ناعمة من القياسات النادرة. تركز التنفيذ على السرعة وكفاءة الذاكرة، ما يجعلها ملائمة لمعالجة مجموعات بيانات كبيرة. تُحل المشكلات المتعلقة بفقدان نقاط البيانات في الفضاء الثلاثي، وتوفر وسيلة سريعة لإنشاء خرائط حرارية ثلاثية الأبعاد، وتسهيل تحليل الأنماط المكانيّة في البيانات العلمية.

interpolation3d-datascientific-computingdata-visualizationnumerical-analysismodelingmatplotlibnumpypandasplotlyscikit-learnpython
53 4,946 86 1mo ago
py MAGI ◆ Testing
Apache-2.0B+ 897/10completed

A command-line tool that performs multi-kingdom metagenomic interaction analysis and visualizes the results.

تُعدّ أداة ماغي‑ميتاجينومكس تطبيقاً سطر أوامر مبنيًا بلغة بايثون يتيح للباحثين استيراد جداول الكثافة الجينية للميتاجينوم والبيانات الميتاداتية، ثم يُعالجها عبر عمليات تطبيع وتحليل إحصائي وتعلم آلي لاستخلاص التفاعلات بين الكائنات من ممالك مختلفة. تقوم الأداة ببناء شبكات الترابط والتواجد المشترك، وتُقسِّم الكائنات إلى مجموعات وظيفية، وتُنتج رسومات إحصائية وتفاعلية باستخدام مكتبات ماتبلوتليب وبلاوتلي. صُممت لتلبية احتياجات علماء الأحياء الدقيقة والبيولوجيا الحاسوبية الذين يرغبون في استكشاف العلاقات البيئية المعقدة دون الحاجة لكتابة كود برمجي معقد، مقدمةً سير عمل مبسّط من استيراد البيانات إلى إنتاج رسومات جاهزة للنشر. تدعم الأداة صيغ ملفات شائعة مثل CSV وTSV وBIOM، وتصدر النتائج بصيغ قابلة للمشاركة مثل PNG وHTML وJSON. بدمجها لمكتبات سكيت‑ليرن وسكيب‑إي، توفر أداة ماغي‑ميتاجينومكس اختبارات إحصائية قوية وتقليل أبعاد لتسليط الضوء على الأنماط الهامة في مجموعات البيانات الكبيرة.

metagenomic-analysisinteraction-network-constructioninteractive-visualizationstatistical-correlationmachine-learning-clusteringcross-kingdom-comparisonclickmatplotlibnumpypandasplotlyscikit-learnscipypython
56 2,662 88 1mo ago