CausalInference.jl：使用PC算法进行因果推理，图形模型和结构学习

今天突然需要这个，调用java的Player类来播放mp3音频。我搜索得看了下，站内的所需积分都太多了，5积分分享给大家

计量字体.zip jl.zip

LaTeXStrings.jl：方便输入和显示Julia语言的LaTeX方程字符串

蒙特卡洛 未完成的蒙特卡洛代码，用于模拟分子。 用谐波键和角度模拟聚合物 去做 Lennard-Jones和库仑相互作用 隐式溶剂（以其介电常数输入模型） 组态偏差蒙特卡洛 多得多...

DeepQLearning.jl 如使用所述，DeepMind的Deep Q-Learning算法的Julia实现。 此代码仅实现基本算法。 它不包括卷积网络的代码。 但是，可以使用Mocha.jl轻松添加。 取而代之的是，它使用了更简单的单层神经网络。 有关原始 注意：此库已经过各种学习任务的测试，似乎可以正常运行，但尚未准备好供公众使用。 范例程式码 using DeepQLearning ... coming soon ... I hope :) ## Dependencies此库需要 。 ## Credits该库借鉴了的作品 执照 麻省理工学院

文献资料 建立状态 覆盖范围 SDDP.jl是一个使用随机双重动态规划解决大型多阶段凸随机规划问题的软件包。 您可以在找到文档。 如果需要帮助，请提交Github问题： :

内核递归最小二乘法 内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，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 信号处理交易，卷。 52，没有。 8，第 2275-2285 页，2004 年。

yjthtyj

之字形回旋镖 概述 马尔可夫链蒙特卡罗（MCMC）方法用于从概率分布中进行采样，例如贝叶斯模型中的后验分布。 在ZigZagBoomerang.jl中实现的分段确定性蒙特卡洛（PDMC）方法具有相同的目标，不同的是，此处的分布是通过粒子的连续运动而不是一次移动一个点来进行探索的。 在此，粒子在随机时间改变方向，并在确定性轨迹上移动（例如，沿着恒定速度的直线，请参见图片） 校准随机方向的变化，以使粒子的轨迹采样正确的分布； 从轨迹可以估算出感兴趣的量，例如后均值和标准差。 是否改变方向的决定仅需要评估偏导数，该偏导数依赖于很少的坐标-坐标在马尔可夫毯子中的邻域。 这样就可以使用Julia的多线程并行性（或其他形式的并行计算）来利用多个处理器内核。 约里斯·比尔肯（Joris Bierken）的“以及我们关于话语是ZigZagBoomerang.jl所涵盖方法的理论和应用的良好起点。