没有合适的资源?快使用搜索试试~ 我知道了~
iis:用于物理模型贝叶斯参数估计的迭代重要性采样 (IIS)
共12个文件
py:7个
ipynb:2个
license:1个
需积分: 9 1 下载量 68 浏览量
2021-06-14
09:47:05
上传
评论
收藏 29KB ZIP 举报
温馨提示
信息系统 用于物理模型贝叶斯参数估计的迭代重要性采样 (IIS) 背景 该模块与有一定关系,但侧重于计算成本相对较高的物理模型。 它基于参数分布和结果模型状态的高斯近似,但在非线性偏差方面比集成卡尔曼滤波器更稳健 ( ) 在最好的情况下,它允许收敛 50 到500 名成员模型在 10 秒的迭代中集成(例如, 和笔记本)。 这比经典的蒙特卡罗马尔可夫链快得多,后者更通用(不限于高斯情况)但需要 10,000 次迭代。 即使没有完美、稳定的后验 PDF 收敛(例如,集成限制为 50 个成员的非线性模型),IIS 方法也可以帮助将模型集成“调整”到观察范围内,这并不总是一项微不足道的任务“用手”。 这个概念在和的论文中得到了更详细的解释,这个包的灵感来自于这篇论文。 入门 定义一些模型来估计。 一个前向函数来整合模型,这里是 2-param 到标量: def mymodel(para
资源推荐
资源详情
资源评论
收起资源包目录
iis-master.zip (12个子文件)
iis-master
LICENSE 1KB
setup.py 3KB
.gitignore 702B
iis
dists.py 11KB
core.py 29KB
utils.py 382B
resampling.py 2KB
__init__.py 276B
diagnostic.py 20KB
README.md 3KB
notebooks
examples.ipynb 6KB
iis_concept.ipynb 11KB
共 12 条
- 1
资源评论
FedAI联邦学习
- 粉丝: 20
- 资源: 4568
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功