ltwMCMC:用Python实现的贝叶斯推理的面向对象MCMC类-源码

上传者: 42125867 | 上传时间: 2021-12-28 16:32:02 | 文件大小: 2.89MB | 文件类型: -
lwMCMC轻量级马尔可夫链蒙特卡洛 由NumPy和Metropolis Hastings支持的轻型MCMC进行参数空间采样。 包装布局 许可证,适用于此软件包 README.md-您现在正在阅读的README文件 -先决条件安装该软件包,通过使用PIP 安装程序脚本 /-包含有关软件包安装和使用的文档 /-贝叶斯建模的用例 /-库代码本身 /-单元测试 案例1:利用贝叶斯推断进行实验地球物理建模 后验分布 等高线 MCMC先验坡度 通过幂律蠕变为自然中的冰致密实的幂律流模型恢复了参数约束(请参阅冰蠕变文献)。 网格条目显示了我们参数的一维后验分布,以及具有一个和两个sigma建模误差轮廓的成对投影。 在先验斜率参数为1.8±0.225的情况下,贝叶斯推断的斜率为1.70±0.17。 示例2:使用贝叶斯推断进行粒子衰减建模 后验分布 等高线 MCMC适合搭配 事先的 为粒子

文件下载

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明