Julia 中的 A* 算法。其他状态空间搜索算法也作为基线实现。 此包导出astar提供算法通用实现的函数。状态的类型是完全不受限制的，只需提供给定邻居状态的函数和可选的启发式给定状态和目标，算法将找到最佳路径。 其他用于探索您的状态空间的实现和导出函数也被导出：depthfirst, breadthfirst, iterative_deepening. 这些其他功能几乎可以替代该astar功能，但它们将无法使用启发式。

核递归最小二乘 核递归最小二乘算法的 Julia 实现 KRLS 是一种快速高效的在线核回归算法。KRLS 一次处理一个样本的数据，并构建一个训练点字典，用于逼近函数。 Y. Engel、S. Mannor 和 R. Meir，“内核递归最小二乘算法”，IEEE Transactions on Signal Processing，vol。52，没有。8，第 2275-2285 页，2004 年。

朱莉娅-韦诺 任意阶的 WENO 重建算法的优化 Julia 实现。基于 Dumbser、Hidalgo 和 Zanotti 在非保守双曲系统的高阶时空自适应 WENO 有限体积方案(DOI 10.1016/j.cma.2013.09.022) 中的工作。 用法 u您的输入数据必须采用 shape数组的形式(nx,ny,nz,nvar)。 nvar是每个单元格中包含的变量数，并且nx,ny,nz分别是x、y、z 轴中的单元格数。如果您的网格是 1D 或 2D，请根据需要设置ny=1和/或nz=1。选择整数N，其中N+1是所需的精度顺序。WENO 重建的系数通过调用获得： julia> weno(u,N); 该调用每次都会构造 WENO 系数矩阵M1,M2,M3,M4和振荡指标矩阵。Σ如果需要许多 WENO 重建，则预先计算这些实体的计算效率会更高： julia> M1,M2,M3,M4 = coefficient_matrices(N); julia> Σ = oscillation_indicator(N); julia> chΣT = chol(Σ)'; julia> wen

边缘相机算法的Julia实现 该项目包括基于 Bouman 等人的工作的边缘相机的实现。[1]。当锋利的边缘（例如墙角）创建一个自然的一维针孔相机时，就会形成边缘相机，揭示被角落完全遮挡的物体的运动。可以在people.csail.mit.edu找到来自原作者的更多信息。 这个包包含一个全新的边缘相机算法实现，基于论文中介绍的工作，完全在Julia中完成（原始视频 I/O 除外，最终由 处理ffmpeg）。 [1] Katherine L. Bouman、Vickie Ye、Gregory W. Wornell、Adam B. Yedidia、Antonio Torralba、William T. Freeman 和 Frédo Durand。“把角落变成相机：原理和方法”。国际电联 2017。

CausalityTools.jl提供了基于时间序列的因果推断和动态耦合检测方法。 一个易于使用的框架，用于估计信息论度量，例如传递熵、预测不对称、广义熵和互信息。 收敛交叉映射、成对非对称推理、S-measure 和联合距离分布。 代理数据生成。

GA-球形-Jl 用于求解球面基准函数的遗传算法的 Julia 实现

介绍 该软件包将支持在 Julia 中灵活实施 Gillespie 算法，以及用于表征复杂化学反应系统的分析工具。 将实施许多不同的化学模型，包括： 连接和聚合化学 基于序列的复制化学 反射性自催化和食物生成集 Azoarcus 重组酶系统和其他随机自催化网络 动力学 双分子反应发生的速率常数为 k_r = \frac{c_r}{V} \sqrt{ \frac{R T}{m_ {ij}} } 其中$$c_r对应一些未知的结构和动力学因素，$Tm_{ij}$ 是减少的质量，以道尔顿为单位。两种反应物中，$VR$ 是理想气体 常数。

贝叶斯稀疏因子Gmatrix.jl 来自 Runcie & Mukherjee (2013) 的 BSF-G 算法的 Julia 实现

PMNeal3.jl 使用 Neal 算法 3 [1] 为 Julia 中的狄利克雷过程混合 (DPM) 模型提供了一个接口。特别是，这个包提供： 一种用于执行 Neal 算法 3 的一次迭代的方法。 访问链的当前状态的几种方法（例如集群标签的向量）

Stride 是用于分配蛋白质二级结构的软件。这个包将它包装在一个 Julia 包中