Questions sur les méthodes de Monte Carlo, méthodes qui nécessitent la génération répétée de nombres (pseudo, quasi) aléatoires pour calculer leurs résultats.
Un problème très courant dans Markov Chain Monte Carlo implique le calcul de probabilités qui sont la somme de grands termes exponentiels, eune1+ eune2+ . . .eune1+eune2+... e^{a_1} + e^{a_2} + ... où les composants d' peut varier de très petit à très grand. Mon approche a été de factoriser le plus...
Je sais que la plupart des méthodes pour trouver des solutions approximatives aux PDE évoluent mal avec le nombre de dimensions, et que Monte Carlo est utilisé pour des situations qui demandent environ 100 dimensions. Quelles sont les bonnes méthodes pour résoudre efficacement les EDP numériquement...
J'ai une fonction f(x,y,z)f(x,y,z)f(x,y,z) telle que ∫R3f(x,y,z)dV∫R3f(x,y,z)dV\int_{R^3} f(x,y,z)dV est finie, et je veux approximer cette intégrale. Je connais les règles de quadrature et les approximations de Monte Carlo des intégrales, mais je vois quelques difficultés à les mettre en œuvre...
J'ai un programme Mathematica qui effectue des intégrales en 3 ou 4 dimensions en utilisant la QuasiMonteCarlométhode. Le problème est qu'il prend un temps énormément long pour s'exécuter, au point que certains de ces calculs ne peuvent pas se terminer dans le temps de travail maximum disponible...
J'ai une intégrale incorrecte (bidimensionnelle) je= ∫UNEW( x , y)F( x , y)d x d yI=∫AW(x,y)F(x,y)dxdyI=\int_A \frac{W(x,y)}{F(x,y)}\,\mbox{d}x\mbox{d}y où le domaine d'intégration est plus petit que , mais encore restreint par . Puisque et sont lisses etx = [ - 1 , 1 ] y = [ - 1 , 1 ] F ( x , y )...
J'ai une collection de modèles informatiques qui pourraient être décrits comme des automates cellulaires asynchrones. Ces modèles ressemblent au modèle Ising, mais sont légèrement plus compliqués. Il semble que de tels modèles gagneraient à être exécutés sur un GPU plutôt que sur un CPU....
Nous travaillons sur un modèle bayésien pour un processus spatio-temporel, et utilisons un échantillonneur No-U-Turn (NUTS) qui nécessite un modèle pour la probabilité logarithmique et son gradient par rapport aux paramètres du modèle. Plus succinctement, nous avons une fonction de probabilité de...
Une question assez simple: pour faire une intégrale multidimensionnelle, étant donné que l'on a décidé qu'une sorte de méthode de Monte Carlo est appropriée, y a-t-il un avantage qu'une intégration MC régulière utilisant des nombres pseudo-aléatoires a sur une intégration quasi-Monte Carlo...
Après quelques étapes de mise à jour bayésienne, il me reste une distribution postérieure de la forme d'un mélange de distributions normales, C'est-à-dire que le paramètre θ est tiré d'une distribution dont le PDF est donné comme un mélange pondéré de PDF normaux, et n'est pas une somme de RV...
Je souhaite maximiser une fonction , où θ ∈ R p .f(θ)f(θ)f(\mathbf \theta)θ∈Rpθ∈Rp\theta \in \mathbb R^p Le problème est que je ne connais pas la forme analytique de la fonction ou de ses dérivés. La seule chose que je peux faire est d'évaluer la fonction point sage, en branchant une valeur et...
Ma question concerne l'extraction des observables des méthodes QMC, comme décrit dans cette référence . Je comprends la dérivation formelle de diverses méthodes QMC comme Path Integral Monte Carlo. Cependant, à la fin de la journée, je ne sais toujours pas comment utiliser efficacement ces...
Il existe de nombreuses méthodes numériques bien connues pour résoudre des équations de type par exemple la méthode de la bissection, la méthode de Newton, etc.f(x)=0,x∈Rn,f(x)=0,x∈Rn, f(x) = 0, \quad x \in \mathbb{R}^n, Dans mon application, est calculé avec une méthode stochastique (le résultat...
L'espace hyperbolique dans le modèle du demi-espace supérieur de Poincaré ressemble à RnRn\Bbb R^n ordinaire mais avec la notion d'angle et de distance déformée d'une manière relativement simple. Dans l'espace euclidien, je peux échantillonner un point aléatoire uniformément dans une balle de...
Je recherche des méthodes permettant d'estimer l'entropie d'informations d'une distribution alors que les seules méthodes pratiques d'échantillonnage à partir de cette distribution sont les méthodes de Monte Carlo. Mon problème n'est pas différent du modèle Ising standard qui est généralement...
Ces questions peuvent être un peu hors sujet dans comp-sci. s'il est nécessaire, veuillez suggérer où il s'intègre. La question est de savoir comment gérer efficacement toutes les exécutions de simulation. disons, par exemple, une simulation nécessite de fixer 2 paramètres qui doivent être définis...