論文の概要: Fast fully-reproducible serial/parallel Monte Carlo and MCMC simulations and visualizations via ParaMonte::Python library

• arxiv url: http://arxiv.org/abs/2010.00724v1
• Date: Thu, 1 Oct 2020 23:26:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-12 08:46:55.469387
• Title: Fast fully-reproducible serial/parallel Monte Carlo and MCMC simulations and visualizations via ParaMonte::Python library
• Title（参考訳）: ParaMonte::Pythonライブラリによる完全再現可能なシリアル/並列モンテカルロとMCMCシミュレーションと可視化
• Authors: Amir Shahmoradi, Fatemeh Bagheri, Joshua Alexander Osborne
• Abstract要約: ParaMonte::Pythonは(Markov Chain) Monte Carlo(MCMC)ルーチンのライブラリで、数学的目的関数をサンプリングします。 ParaMonte::PythonライブラリはMITライセンスで、GitHubで永久にメンテナンスされている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: ParaMonte::Python (standing for Parallel Monte Carlo in Python) is a serial and MPI-parallelized library of (Markov Chain) Monte Carlo (MCMC) routines for sampling mathematical objective functions, in particular, the posterior distributions of parameters in Bayesian modeling and analysis in data science, Machine Learning, and scientific inference in general. In addition to providing access to fast high-performance serial/parallel Monte Carlo and MCMC sampling routines, the ParaMonte::Python library provides extensive post-processing and visualization tools that aim to automate and streamline the process of model calibration and uncertainty quantification in Bayesian data analysis. Furthermore, the automatically-enabled restart functionality of ParaMonte::Python samplers ensure seamless fully-deterministic into-the-future restart of Monte Carlo simulations, should any interruptions happen. The ParaMonte::Python library is MIT-licensed and is permanently maintained on GitHub at https://github.com/cdslaborg/paramonte/tree/master/src/interface/Python.
• Abstract（参考訳）: ParaMonte::Python (Parallel Monte Carlo in Python)は、(Markov Chain) Monte Carlo (MCMC)ルーチンのシリアルでMPI並列化されたライブラリで、数学的目的関数をサンプリングする。 高速なシリアル/並列モンテカルロとMCMCサンプリングルーチンへのアクセスを提供するのに加えて、ParaMonte::Pythonライブラリは、ベイズデータ分析におけるモデルキャリブレーションと不確実性定量化のプロセスを自動化することを目的とした、広範な後処理と視覚化ツールを提供する。 さらに、paramonte::pythonのリスタート機能は、中断が発生した場合、モンテカルロシミュレーションをシームレスに完全に決定的に再スタートさせる。 The ParaMonte::PythonライブラリはMITライセンスで、GitHubでhttps://github.com/cdslaborg/paramonte/tree/master/src/interface/Pythonで永久にメンテナンスされている。

関連論文リスト

• ml_edm package: a Python toolkit for Machine Learning based Early Decision Making [0.43363943304569713]
  textttml_edmは、時間/シーケンスデータを含む学習タスクの早期決定のために設計されたPython 3ライブラリである。 textttscikit-learnは、textttml_edmと互換性のある推定器とパイプラインを作成する。
  論文  参考訳（メタデータ） (2024-08-23T09:08:17Z)
• Sequential Monte Carlo Steering of Large Language Models using Probabilistic Programs [46.721838623748816]
  本研究では,大規模言語モデルの出力に対する構文的制約と意味的制約を強制する新しい推論時手法を提案する。 主要なアイデアは、言語生成タスクを離散確率列モデルのクラスにおける後部推論問題として指定することである。 ビームサーチと同様の計算コストのために、SMCは多様なタスクを解決するためにLSMを操ることができる。
  論文  参考訳（メタデータ） (2023-06-05T17:55:05Z)
• PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time Series [0.0]
  PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。 これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
  論文  参考訳（メタデータ） (2023-05-30T07:57:05Z)
• PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
  PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
  論文  参考訳（メタデータ） (2022-01-12T07:32:36Z)
• Merlion: A Machine Learning Library for Time Series [73.46386700728577]
  Merlionは時系列のためのオープンソースの機械学習ライブラリである。 モデルの統一インターフェースと、異常検出と予測のためのデータセットを備えている。 Merlionはまた、本番環境でのモデルのライブデプロイメントと再トレーニングをシミュレートするユニークな評価フレームワークも提供する。
  論文  参考訳（メタデータ） (2021-09-20T02:03:43Z)
• mlOSP: Towards a Unified Implementation of Regression Monte Carlo Algorithms [0.0]
  最適停止問題に対する機械学習のための計算テンプレートであるmlOSPを紹介する。 テンプレートはR統計環境で実装され、GitHubリポジトリ経由で公開されている。
  論文  参考訳（メタデータ） (2020-12-01T18:41:02Z)
• ParaMonte: A high-performance serial/parallel Monte Carlo simulation library for C, C++, Fortran [0.0]
  ParaMonte (Parallel Monte Carloの略)は、モンテカルロルーチンのMPI/Coarray並列化ライブラリである。 ParaMonteライブラリは、モンテカルロシミュレーションの**automation**, ** Accessibility**, **high- Performance**, **scalability**, **reproducibility**を統一する設計目標として開発された。
  論文  参考訳（メタデータ） (2020-09-29T18:04:02Z)
• Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
  我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。 我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
  論文  参考訳（メタデータ） (2020-09-27T14:16:14Z)
• Picasso: A Sparse Learning Library for High Dimensional Data Analysis in R and Python [77.33905890197269]
  本稿では,様々なスパース学習問題に対して,経路座標を統一的に最適化する新しいライブラリについて述べる。 ライブラリはR++でコード化されており、ユーザフレンドリーなスパース実験を行っている。
  論文  参考訳（メタデータ） (2020-06-27T02:39:24Z)
• MOGPTK: The Multi-Output Gaussian Process Toolkit [71.08576457371433]
  ガウス過程(GP)を用いたマルチチャネルデータモデリングのためのPythonパッケージMOGPTKを提案する。 このツールキットの目的は、研究者、データサイエンティスト、実践者にもMOGP(multi-output GP)モデルを利用できるようにすることである。
  論文  参考訳（メタデータ） (2020-02-09T23:34:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。