改善扩散 这是的代码库。 用法 README的这一部分将逐步介绍如何训练模型并从模型中取样。 安装 克隆该存储库，然后在您的终端中导航至该存储库。 然后运行： pip install -e . 这应该安装脚本所依赖的improved_diffusion python软件包。 准备资料 训练代码从图像文件目录中读取图像。 在文件夹中，我们提供了用于为ImageNet，LSUN卧室和CIFAR-10准备这些目录的说明/脚本。 要创建自己的数据集，只需将所有图像转储到扩展名为“ .jpg”，“。jpeg”或“ .png”的目录中即可。 如果您希望训练一个类条件模型，则将文件命名为“ mylabel1_XXX.jpg”，“ mylabel2_YYY.jpg”等，以便数据加载器知道“ mylabel1”和“ mylabel2”是标签。 子目录也会自动枚举，因此可以将图像组织为递归结构（尽管目录名

应用随机过程概率模型导论 第11版 [（美）SHELDON M.ROSS著；龚光鲁译][人民邮电出版社][2016.03][638页 下 超清

基于四种决策树实现预测大气污染日的概率模型项目源码+数据+超详细注释 任务：根据环境数据，预测当天是不是大气污染日 内容包含： 1.本程序使用了四种模型进行预测，并对四种模型预测效果进行评估测试，分别是： 袋装决策树（BaggingClassifier） 额外决策树（ExtraTreesClassifier） 随机梯度提升（GradientBoostingClassifier） 随机森林（RandomForestClassifier） 2.本程序通过对例4中的梯度提升模型调整参数，来提高预测的准确率。分别调整了深度，学习率，采样集，和树数，通过brier skill score值来评价结果

应用随机过程概率模型导论（第10版），ml必备书

应用随机过程概率模型导论 Sheldon+M.Ross 9版

二维核密度估计代码的代码，能够提供二维的概率估计

针对制导子弹药命中概率模型方面研究的不足，详细分析了制导子弹药与无控子弹药在结构与作用原理方面的不同，以及制导子弹药的捕获概率、发现识别概率；结合无控子弹药落点散布规律，运用蒙特卡洛方法建立了制导子弹药命中概率计算模型，并对不同捕获概率下对给定目标的命中概率进行了分析。仿真结果表明，制导子弹药对特定目标的命中概率远高于无控子弹药，命中概率模型的建立为制导子弹药效能分析奠定了基础。

电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足，将电动汽车进行细致分类，通过建立充电负荷预测影响因素的概率模型，利用概率统计学和蒙特卡洛模拟方法提出了基于时刻充电概率的负荷预测模型。利用科学分析得到的日行驶里程代替主观给定的起始电荷状态(SOC)以推导充电时长，利用更具随机性的时刻充电概率代替计算得到的充电时段来确定充电负荷。以某市为例，预测了相关电动汽车的日负荷曲线，并与常用负荷预测方法的结果进行对比，验证了所提负荷预测方法能够科学地预测用户的充电负荷，能够为电网及用户的电能管理策略提供可靠的依据。

链路概率模型 (LPM) 可用作指数随机图模型 (ERGM) 的替代方法来模拟网络数据。 LPM 根据基于历史频率的链接概率来表征网络。 在本文中，LPM 与 ERGM 进行了比较和对比。 通过将这两种方法应用于四个纵向数据集来检查这两种方法的相对效用。 描述了这两种方法在数据需求、可扩展性和假设方面的相对优势和劣势。

人工智能-机器学习-既有结构抗力的劣化概率模型及可靠度计算.pdf