注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. particle-filter-mcmc程序matlab

  2. 这个程序中的粒子滤波重采样采用了mcmc算法，程序本身比较简单，对于学习mcmc的人来说非常有用。

  3. 所属分类：其它

    • 发布日期：2011-01-17
    • 文件大小：18kb
    • 提供者：lijing2290

  1. 贝叶斯网络工具箱-Python

  2. 此工具箱只支持Python2版本，在Python3下可以自行修改。允许使用单纯Python语言构建贝叶斯网络。包含构建离散的贝叶斯网以及高斯贝叶斯网，推理算法包含消息树以及MCMC采样等。允许搭建因子图模式下的BN网，同时包括网络实例。有不清楚的地方欢迎一起交流。

  3. 所属分类：机器学习

    • 发布日期：2018-05-15
    • 文件大小：1mb
    • 提供者：mniyinting

  1. MCMC马尔科夫链蒙特卡罗学习资料

  2. 网上整理的MCMC学习资料，来自刘建平老师的博客，重新排版布局。主要讲述了蒙特卡罗方法、马尔科夫链、M-H采样和Gibbs采样的基础知识，相当实用

  3. 所属分类：机器学习

    • 发布日期：2018-07-08
    • 文件大小：202kb
    • 提供者：poo9563

  1. Python-TensorFlow开源实现用于训练MCMC采样器

  2. TensorFlow开源实现，用于训练MCMC采样器

  3. 所属分类：其它

    • 发布日期：2019-08-11
    • 文件大小：78kb
    • 提供者：weixin_39840924

  1. 基于改进AM-MCMC的Nash模型参数不确定性分析-以挠力河流域为例

  2. 基于改进AM-MCMC的Nash模型参数不确定性分析-以挠力河流域为例，邢贞相，郭皓，为提高自适应采样（Adaptive Metropolis，AM）的马尔可夫链蒙特卡罗算法（Markov Chain Monte Carlo simulation method, MCMC）模拟样本的信息量，本文利

  3. 所属分类：其它

    • 发布日期：2020-02-26
    • 文件大小：776kb
    • 提供者：weixin_38674115

  1. 吉布斯采样.pptx

  2. 详细说明吉布斯采样的原理 主要内容包括： 贝叶斯网络的推断中为什么引入吉布斯采样 什么是吉布斯采样（原理） 吉布斯采样大概是怎么工作的（算法过程） 吉布斯采样理论推导（包括说MCMC算法和马尔可夫链及其稳态分布）

  3. 所属分类：机器学习

    • 发布日期：2020-06-23
    • 文件大小：2mb
    • 提供者：qq_33893619

  1. 蒙特卡洛方法与MCMC采样讲义

  2. 蒙特卡洛方法与MCMC采样讲义蒙特卡洛方法与MCMC采样讲义蒙特卡洛方法与MCMC采样讲义蒙特卡洛方法与MCMC采样讲义

  3. 所属分类：机器学习

    • 发布日期：2020-10-07
    • 文件大小：2mb
    • 提供者：qq_34327247

  1. 自适应哈密顿量MCMC采样实现鲁棒的视觉跟踪

  2. 自适应哈密顿量MCMC采样实现鲁棒的视觉跟踪

  3. 所属分类：其它

  1. parser:使用生成语法模型的语义解析器归纳-源码

  2. 待办事项：记录此代码。该存储库位于 。 该代码实现了所述的实验。它使用语义语法的生成模型，该模型被实现为单独的模块化存储库（在那里实现了解析和MCMC采样算法）。 如果您在研究中使用此代码，请引用： Abulhair Saparov，Vijay Saraswat和Tom M.Mitchell。 2017.语义解析的概率生成语法。在第21届计算自然语言学习会议（CoNLL 2017）的会议记录中。 依存关系 要使用代码，只需下载文件并使用make datalog_to_lambda或make p

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：369kb
    • 提供者：weixin_42144086

  1. sumu-源码

  2. 苏木 用于处理概率和因果图形模型的Python库。 由赫尔辛基大学的开发。 :warning:当前状态下的库在很大程度上仍在进行中。 该图书馆旨在促进： 学术工作流，通过模块化访问高度优化的低级算法。 工业工作流程，通过使用针对定义明确的实际用例的低级组件提供易于使用的包装器。 可以在上找到文档。 要求 Sumu经过测试可与Python 3.6、3.7和3.8版本一起使用。如果要在R中使用该库，请按照进行安装后，在R中 。 安装 $ pip install sumu 有关更多详细信息，请参阅

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：201kb
    • 提供者：weixin_42144604

  1. elfi:ELFI-无可能性推理引擎-源码

  2. 版本0.7.7已发布！ 请参阅和。 注意：目前，NetworkX 2与ELFI不兼容。 ELFI-无可能性推理引擎 ELFI是一个用Python编写的统计软件包，用于无近似推理（LFI），例如近似贝叶斯计算（ ）。 术语LFI是指一系列推论方法，这些推论方法将似然函数的使用替换为数据生成模拟器函数。 ELFI具有易于使用的生成建模语法，并支持开箱即用的并行推理。 当前实施的LFI方法： ABC拒绝采样器 顺序蒙特卡洛ABC采样器 带有SMC-ABC采样器 SMC-ABC采样器 其他值

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：239kb
    • 提供者：weixin_42178963

  1. mcmc-monitor:监视MCMC运行-源码

  2. MCMC监控器 基于浏览器的MCMC运行监视。 安装与设定 第一个示例：多正常Stan 随着kachery守护程序和Web应用程序的运行，您现在可以尝试运行第一次MCMC。 在安装过程中创建的conda环境中运行以下命令： python examples/multi_normal_example/multi_normal_example.py 采样开始几秒钟后，新的运行应出现在Web浏览器的工作区中。 单击该按钮可实时监视MCMC采样的进度和收敛。 用法示例 with MCMCMonitor

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：341kb
    • 提供者：weixin_42109545

  1. 基于马尔可夫链蒙特卡洛的复值贝叶斯参数估计

  2. 对指定模型的参数估计的研究历史悠久。 在统计中，通过马尔可夫链蒙特卡洛（MCMC）采样进行的贝叶斯分析是一种有效的参数估计方法。 但是，现有的MCMC采样仅在实参空间中执行。 在某些情况下，复数值参数化建模更为可取，因为复数表示带来了实值表示无法实现的经济性和见解。 因此，要估计复数值参数，在复参数空间中执行MCMC采样会更加方便和优雅。 在本文中，首先，基于观测信号正确的假设，提出了两种使用Metropolis-Hastings采样和差分演化的复杂MCMC算法，其中贝叶斯估计中的概率密度函数（

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：786kb
    • 提供者：weixin_38500709

  1. ltwMCMC:用Python实现的贝叶斯推理的面向对象MCMC类-源码

  2. lwMCMC轻量级马尔可夫链蒙特卡洛 由NumPy和Metropolis Hastings支持的轻型MCMC进行参数空间采样。 包装布局 许可证，适用于此软件包 README.md-您现在正在阅读的README文件 -先决条件安装该软件包，通过使用PIP 安装程序脚本 /-包含有关软件包安装和使用的文档 /-贝叶斯建模的用例 /-库代码本身 /-单元测试 案例1：利用贝叶斯推断进行实验地球物理建模 后验分布 等高线 MCMC先验坡度 通过幂律蠕变为自然中的冰致密实的幂律流模型恢复了参数

  3. 所属分类：其它

  1. abglasso：自适应贝叶斯图形套索-源码

  2. 自适应贝叶斯图形套索 这是R包“ abglasso”的源代码。 它提供了使用贝叶斯图形套索MCMC采样器的函数来返回以下项的后验分布： 协方差矩阵，以及 精密矩阵

  3. 所属分类：其它

  1. 建模指标-源码

  2. 建模Indel 该项目包含部分（并非全部）脚本，这些脚本用于构建HIV-1基因突变的自定义经验模型。 为此，我编写了一个自定义的马尔可夫链蒙特卡洛采样器，用于采样所选参数值的后验分布。 我们需要一个定制的MCMC采样器，以便将遗传序列重建步骤整合到采样器本身中。 本质上，此代码旨在模拟特定生成模型下在患者来源的HIV-1序列数据中观察到的特定突变（插入和删除）。 在当前状态下，它能够将这些插入/删除突变重构到中等/高准确度。

  3. 所属分类：其它

  1. configuration_model_mcmc：configuration_model_mcmc是一个Python软件包，用于从给定网络和图形空间的配置模型中采样网络-源码

  2. configuration_model_mcmc 它是什么？ configuration_model_mcmc是用于在给定网络和图形空间的情况下从Configuration模型中采样网络的工具。 此代码包基于Fosdick等人的Double Edge Swap MCMC Graph Sampler。 [1]。 它可以检测Double Edge Swap MCMC中的收敛性，并从MCMC的固定分布中采样网络，从而使采样是来自Configuration模型的均匀随机抽取。 Bailey K.

  3. 所属分类：其它

  1. AffineInvariantMCMC.jl：仿射不变马尔可夫链蒙特卡罗（MCMC）集合采样器-源码

  2. AffineInvariantMCMC.jl：仿射不变马尔可夫链蒙特卡罗（MCMC）集合采样器

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：701kb
    • 提供者：weixin_42099151

  1. paramonte：ParaMonte：强大而强大的并行Monte Carlo和MCMC库，适用于Python，MATLAB，Fortran，C ++，C-源码

  2. | | | | | | ParaMonte：强大而并行的蒙特卡洛图书馆 ParaMonte是蒙特卡洛例程的串行/并行库，用于采样任意维度的数学目标函数，尤其是数据科学，机器学习和科学推理中的贝叶斯模型的后验分布，其设计目标是统一自动化（ （库的）用户友好性（从多个编程环境访问），高性能（在运行时）和可伸缩性（在许多并行处理器上）。 有关安装，用法和示例的更多信息，请访问： : ParaMonte设计目标 ParaMonte在开发时考虑了以下设计目标： 将所有蒙特卡洛模拟全自动化至最高水

  3. 所属分类：其它

  1. 基于分层转移的粒子滤波MCMC重采样算法

  2. 针对粒子滤波中如何设计重采样策略以解决“权值蜕化”, 同时又可避免“样本贫化” 的问题, 提出一 种基于分层转移的Monte Carlo Markov 链(MCMC) 重采样算法. 当样本容量检测出现“蜕化” 时, 将样本集按权值 蜕化程度进行分层, 利用提出的变异繁殖算法, 将其与PSO 融合产生MCMC转移核, 并施以分层子集; 然后通过 Metroplis-Hastings 算法进行接收-拒绝采样, 由此构建的Markov 链可收敛到与目标真实后验等价的平稳分布. 数值 仿真结果表

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：211kb
    • 提供者：weixin_38556541
« 12 3 »