TransitionalMCMC.jl Julia（Julia）中过渡马尔可夫链蒙特卡罗（TMCMC）的实现。 此实现很大程度上受到OpenCOSSAN中的限制的。 TMCMC算法可用于从未归一化的概率密度函数（即贝叶斯更新中的后验分布）采样。 TMCMC算法克服了Metropolis Hastings的一些问题： 可以有效地采样多峰分布 在高尺寸下效果很好（在合理范围内） 计算证据 通过算法选择提案分配 易于并行化 TMCMC不是从后验中直接采样，而是从易于采样的“过渡”分布中采样。 被定义为： 其中0 <= B j <= 1，在算法中从B j = 0（先验）开始，再到B j = 1（后验）。 安装 这是尚未注册的julia包裹。 但是，可以使用Julia软件包管理器安装此软件包： julia > ] pkg > add https : // github . com / A

高斯随机域 文献资料 建置状态 覆盖范围 GaussianRandomFields是一个Julia包，用于从高斯随机字段计算和采样。 主要特征 支持平稳的可分离和不可分离的各向同性和各向异性高斯随机场。 我们提供大多数标准协方差函数，例如高斯，指数和Matérn协方差。 添加用户定义的协方差函数非常容易。 生成高斯随机场的最常用方法的实现：乔尔斯基分解，特征值分解，Karhunen-Loève展开和循环嵌入。 轻松生成在有限元网格上定义的高斯随机场。 多功能绘图功能，可使用轻松可视化高斯随。 安装 GaussianRandomFields是已注册的软件包，因此可以通过以下方式安装 ] add GaussianRandomFields 用法 有关如何使用此软件包的介绍，请参见（包括精美图片！）。 有关详细手册，请参见 参考 [1] Lord，GJ，Powell，CE和Shar

纽约联储DSGE模型（版本1002） DSGE.jl包实现了纽约联储动态随机一般均衡（DSGE）模型，并提供了通用代码来估算许多用户指定的DSGE模型。 该软件包在Liberty Street Economics博客文章。 （我们之前将模型称为“ FRBNY DSGE模型”。） 此Julia语言实现反映了Liberty Street Economics博客文章包含的MATLAB代码。 单击上面的docs|dev按钮可以访问代码的docs|dev 。 有关最新型号版本的文档，请阅读此 。 纽约联储DSGE团队目前正在扩展代码，以解决和估计异构代理模型。 过滤和平滑算法可在已注册的软件包。 可以在注册软件包找到用于估计DSGE模型的顺序蒙特卡洛（SMC）采样的。 的基础AbstractModel类型，从该AbstractDSGEModel类型导出，在已注册的包被定义 。 纽约联储可酌

尘 Julia的分层聚类，类似于R的hclust() 地位 请注意，此软件包现已到 该存储库显示任何其他正在进行的工作。 群集涉及很多管理工作，很容易出错。 我已经针对以下方法测试了中型集群（最多250 --- 5000）元素的结果： 方法 在矩阵大小下验证 时间 已验证 :single 5000 1.3 好的 :complete 2500 4.5 好的 :average 2500 4.5 好的 用法 d = rand ( 1000 , 1000 ) d += d ' # # make sure distance matrix d is symmetric (this is optional) h = hclust (d, :single ) hclust（） hclust (distance :: Matrix , method :: Symbol ) 使用

BIGUQ.jl：贝叶斯信息鸿沟决策理论

杰理 AC695N芯片寄出器介绍，资源介绍，用户手册

电视无功

matlab最简单的代码DCEMRI检查 快速，经过验证的开放源代码工具包，用于动态对比度增强的MRI分析 为什么是Julia？ 来自 ， Julia是用于技术计算的高级，高性能动态编程语言，其语法为其他技术计算环境的用户所熟悉。 它提供了完善的编译器，分布式并行执行，数值精度和广泛的数学函数库。 该库主要由Julia本身编写，还集成了成熟的同类最佳的C和Fortran库，用于线性代数，随机数生成，信号处理和字符串处理。 简而言之，它看起来像Matlab，对于大多数MRI研究人员来说，它很容易学习和熟悉，但是它运行得更好，更快，并且是完全免费的。 特别是，对于DCE MRI问题，Julia的简单而灵活的并行计算模型可以对非线性最小二乘拟合问题进行几乎完美的并行化。 在我的非正式测试中，Julia的固有速度与我的并行实现相结合，使Matlab和Python的速度提高了20-40倍。 安装 安装很简单。 首先，您需要Julia。 获取Julia的最简单方法是从中获取当前发行版本。 接下来，您需要DCEMRI.jl 。 打开Julia。 您应该看到显示julia>提示符的终端窗口。 这类似于

matlab sum函数代码矢量化基础 这是一个在 Julia 中提供基本 SIMD 支持的库。 VectorizationBase 的存在在很大程度上是为了满足 的代码生成的需求，优先于稳定的面向用户的 API。 因此，您可能希望在 Julia 中编写显式 SIMD 代码时考虑作为替代方案。 也就是说，当传递给用户定义的函数时， Vec和VecUnroll类型旨在尽可能地“正常工作”，因此它在实践中应该相当稳定。 代码的其他部分——例如，加载和存储向量以及stridedpointer函数——有望很快收敛，并通过利用 支持通过生态系统传播的各种AbstractArray类型，以便 VectorizationBase 可以开始提供一个稳定的、符合人体工程学的、支持良好的 API 很快。 它还提供了一些有关运行它的主机的信息，可用于自动执行特定于目标的优化。 目前，x86_64 支持在这方面是最好的，但我希望提高为其他架构提供的信息质量。 Vec是Number并且表现为单个对象； 它们恰好包含多个Float64 。 因此，在索引和缩减方面，它将表现得像一个数字而不是一个集合： julia

QuantumWalk.jl：QuantumWalk.jl：用于基于量子游走构建算法的程序包