用改进的蒙特卡洛（MC）方法计算VaR

聚类轨迹 该Python脚本接收分子动力学或Monte Carlo轨迹（.pdb，.xyz或OpenBabel支持的任何格式），使用Kabsch算法找到结构之间的最小RMSD，并执行聚集聚类（一种无监督的机器学习），以对相似的构象进行分类。 该脚本是在考虑到Python 3的情况下开发的，但是，鉴于所有库均可用，它也应在Python 2.7中工作。 脚本要做的是计算轨迹的每个配置之间的距离（使用最小RMSD），建立一个距离矩阵（以压缩形式存储）。 请注意，计算距离矩阵可能需要一些时间，具体取决于您的轨迹多长时间以及每种配置中有多少原子。 距离矩阵也可以从文件中读取（使用-i选项），以避免每次您要更改链接方法（使用-m ）或聚类的距离时重新计算该距离矩阵。 依存关系 该实现依赖于几个库，因此在运行脚本之前，请确保已在Python发行版中安装了所有库。 当前，需要以下库： 我们建议使用 P

蒙特卡洛法求椭圆面积的MATLAB源程序代码.zip

基于AlphaZero的五子棋AI，仅用于学习交流，请勿用于商业用途和其他用途。如需用于非学习交流用途，请先私信联系我。

回归参数估计 使用不同方法的回归模型中参数估计的R代码： 最小二乘 梯度下降 大都会-哈丁斯 使用JAGS进行吉布斯采样 该代码用于具有一个预测变量的线性回归问题（单变量回归）。 目的是通过一个简单的示例并为所有方法提供基本实现，以介绍机器学习中广泛使用的重要方面，例如梯度下降和蒙特卡洛方法。 此博客文章中介绍了不同的方法和代码： :

基于蒙特卡洛算法的电力系统充裕性评估，评估IEEE-RTS79系统的充裕性指标。

蒙特卡洛树搜索(MCTS)_井字棋(C++实现)

我将使用两种类型的算法进行评估，一个是首次访问型蒙特卡洛预测算法（First-visit MC prediction），另一个是每次访问型蒙特卡洛预测算法（Ev

OFDM的自相关循环函数，信道模型为6径的瑞丽衰减信道，时延等都包括，循环自相关相关图，切面图等（其中蒙特卡洛仿真次可以任意修改，一般为200次）

用蒙特卡洛方法在matlab里面计算简单的三重积分。