Monte-Carlo

《从掷骰子到阿尔法狗：趣谈概率》

很多人都听说过概率或统计中的蒙特卡罗（Monte-Carlo）方法，说白了就是利用大量数据在统计的基础上进行计算的方法。蒙特卡罗不是人名，是法国边上一个袖珍小国摩纳哥中著名赌场的名字。
姑苏慕容复·2023-10-17 20:29

MATLAB + VS 2015混合编程并调试

个人亲历，有一段Monte-Carlo仿真的MATLAB代码，在Intel8700K+32G的机器上，运行时间在1周左右，经过C++重构核心代码后，可以在2天内完成。
易夕奂·2023-08-21 11:52

对比Monte-Carlo与TD算法（Sarsa，Q-learning）【Code 3.附带MonteCarlo代码实现】

对比Monte-Carlo与TD算法（Sarsa，Q-learning）【Code3.附带MonteCarlo代码实现】ThisnoterecordshowtheauthorbegintolearnRL.Boththeoreticalunderstandingandcodepracticearepresented.ManymaterialarereferencedsuchasZhaoShiyu
木心·2023-08-05 02:32

模拟退火算法（SA）

它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性
Linux加油站·2023-06-17 06:20

强化学习之入门笔记（一）

入门强化学习基本元素主要元素核心元素二、基础概念1、马尔科夫链2、马尔科夫“链”3、强化学习中的Q值和V值更复杂的未来Q和V的意义V值的定义Q值的定义V值和Q值关系从Q到V从V到Q4、使用蒙地卡罗方法（Monte-Carlo
一只楚楚猫·2023-04-17 09:51

机器学习（二十八）——Monte-Carlo

动态规划（续）ValueIterationvk+1(s)=maxa∈A(Ras+γ∑s′∈SPass′vk(s′))vk+1(s)=maxa∈A(Rsa+γ∑s′∈SPss′avk(s′))state-valuefunction迭代的复杂度是O(mn2)O(mn2)，其中m为action的数量，n为state的数量。而action-valuefunction迭代的复杂度是O(m2n2)O(m2n2
antkillerfarm·2023-01-02 09:36

【学习笔记+习题集】（模拟退火算法）（不定期更新）(1735字)

它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳
ahardstone·2023-01-01 13:46

Monte-Carlo Dropout，蒙特卡罗 dropout

Monte-CarloDropoutMonte-CarloDropout（蒙特卡罗dropout），简称MCdropout。一种从贝叶斯理论出发的Dropout理解方式，将Dropout解释为高斯过程的贝叶斯近似。云里雾里的，理论证明看起来挺复杂，有兴趣可以参考论文：DropoutasaBayesianApproximation:RepresentingModelUncertaintyinDeep
weixin_38168559·2022-12-22 15:58

Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测|附代码数据

然而，数据的非线性和非平稳性使得开发预测模型成为一项复杂而具有挑战性的任务在本文中，我将解释如何将GARCH，EGARCH和GJR-GARCH模型与Monte-Carlo模拟结合使用，以建立有效的预测模型
·2022-12-03 12:19

启发式算法 | 模拟退火算法

SimulatedAnnealing1.概念2.原理3.模型/基本思想/算法步骤三个部分初始化参数模拟退火的基本思想模拟退火算法的步骤4.具体实例/代码模拟退火算法SimulatedAnnealing1.概念模拟退火算法是基于Monte-Carlo
Hygge0+·2022-12-01 19:21

Matplotlib中的Hist分组是开区间还是闭区间？

针对以上问题，采用蒙特卡罗(Monte-Carlo,MC)仿真方法，随机出一组不具有自相关性的数字序列，并应用计算机辅助绘图(ComputerAidedGraphics,CAG)技术进行可视化。结果
FantasyAMG·2022-11-28 19:29

模拟退火算法（SA）

它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性
Handsome_Zpp·2022-11-23 20:11

模拟退火算法（Simulated Annealing，SA）

目录1算法思想2算法步骤3SA解函数最小值（python实现）4SA解旅行商问题（MATLAB实现）5算法进阶1算法思想SA是基于Monte-Carlo迭代求解策略的一种随机寻优算法；出发点是基于物理中固体物质的退火过程与组合最优化问题
卡卡西~·2022-11-21 18:08

模拟退火实例 php,模拟退火算法(SA,Simulated Annealing)及其PHP实现

模拟退火算法最早由Kirkpatrick等应用于组合优化领域，它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是
weixin_39869733·2022-11-21 18:05

Monte-Carlo Dropout（蒙特卡罗 dropout），Aleatoric Uncertainty，Epistemic Uncertainty

目录深度学习中的两个不确定性偶然不确定性认知不确定性Monte-CarloDropout（蒙特卡罗dropout）估计不确定性利用不确定性训练模型回归任务分类任务深度学习中的两个不确定性偶然不确定性偶然不确定性(AleatoricUncertainty，AU)又称为数据不确定性，是由于观测数据本身的噪声产生的（人脸不清楚，标注框边缘不准确······），偶然不确定性是无法通过获取更多的观测数据来降
这是一个全是笔记的博客·2021-09-11 01:20

Python使用GARCH，EGARCH，GJR-GARCH模型和蒙特卡洛模拟进行股价预测

在本文中，我将解释如何将GARCH，EGARCH和GJR-GARCH模型与Monte-Carlo模拟结合使用，以建立有效的预测模型。金融时间序列的峰度，波动率和杠杆效应特征证明了GARCH的合理性。
·2021-03-09 22:22

【论文摘要】Bayes-Adaptive Monte-Carlo Planning and Learning for Goal-Oriented Dialogues

本文仅为个人对论文的一点理解，如果有不对的地方烦请指正戳我看论文原文论文背景1.战略对话任务（谈判）：模型有着一定的任务，通过生成语言来与其它模型进行谈判，最终达到自己利益的最大化。2.该任务上的强化学习：先训练模型的语言能力，然后利用强化学习增强模型的决策能力，希望模型学会如何决策，从而生成带有策略的回复。3.朴素的强化学习势必会让模型慢慢的偏离人类语言。4.贝叶斯推断和蒙特卡洛树搜索决策，本文
LZJ209·2020-09-13 18:30

强化学习中的蒙特卡洛（monte-carlo）算法和时序差分算法

【未完成】蒙特卡洛蒙特卡洛是一类通用算法，思想是通过随机采样逼近真实，这里只介绍在强化学习中的应用。最初的想法应该是连续运行多个周期，比如经历了两次(s,a)，并且计算了对应的Gt，那么q(s,a)取之平均就可以了，但实际上，为了优化策略或者值函数，不能这样多次采样后直接计算，而是每次采样（一周期）就迭代计算并更新。特点周期性更新：一整个周期结束了（到达了终点）才回进行一个更新（更新所有经历过的s
zhaoying9105·2020-08-25 01:23

模拟退火算法——概率法解全局优化

它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，
goodplayers·2020-08-19 04:58

模拟退火算法与其python实现(一)

模拟退火算法(SimulatedAnnealing)是基于Monte-Carlo迭代求解策略的一种随机寻优算法,主要用于组合优化问题的求解。
WFRainn·2020-08-19 01:28

强化学习入门 ： 一文入门强化学习 （Sarsa、Q learning、Monte-carlo learning、Deep-Q-Network等）

最近博主在看强化学习的资料，找到这两个觉得特别适合入门，一个是“一文入门深度学习”，一个是”莫烦PYTHON”。建议：看资料的时候可以多种资料一起参考，一边调代码一边看资料学算法，有事半功倍的疗效，还有就是别看一半就放弃，要坚持治疗。转自：（原贴）http://geek.csdn.net/news/detail/201928?utm_source=tuicool&utm_medium=referr
Yalong Liu·2020-08-18 13:47

强化学习之迷宫问题（MC, Sarsa, Q-learning实现）

通过简易迷宫问题，理解Monte-Carlo,Sarsa和Q-learning算法3×33\times33×3的迷宫如下可以通过每一步都随机地走，直到走到S8为止这里主要写通过强化学习，找到最佳路线MC
蓝羽飞鸟·2020-08-17 13:49

强化学习入门（四）：Q-learning算法系列1：基本思想

文章目录一、基本思想1、基本介绍1、critic2、状态价值函数Vπ(s)V^{\pi}(s)Vπ(s)2、状态价值函数Vπ(s)V^{\pi}(s)Vπ(s)的评估1、基于蒙特卡洛的方法Monte-Carlo
工藤旧一·2020-08-12 14:02

数学建模--常用算法及程序

blog.csdn.net/yillc/article/details/6746996//程序见http://blog.csdn.net/congduan/article/category/9311541.蒙特卡罗方法(Monte-Carlo
王凯2012·2020-07-30 01:33

#分子模拟#KARLSBERG+:易用的pKa预测工具

在随后评价相关性的电荷能Karlsberg在对于Monte-Carlo蛋白质子化模式和pH适应构象的采样。这个方法能够表现非常精确的基于
生信杂谈·2020-07-16 04:07

模拟退火算法---最优化算法

它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降,结合概率突
NoEndForLearning·2020-07-13 23:32

数学建模--常用算法及程序

blog.csdn.net/yillc/article/details/6746996//程序见http://blog.csdn.net/congduan/article/category/9311541.蒙特卡罗方法(Monte-Carlo
hbhhhxs·2020-07-11 07:51

Simulated Annealing (SA) Algorithm，退火算法

1模拟退火算法（SimulatedAnnealingAlgorithm）介绍  模拟退火算法是一种通用概率演算法，用来在一个大的搜索空间内寻找命题的最优解，它是基于Monte-Carlo迭代求解策略的一种随机寻优算法
肥了个大西瓜·2020-07-01 20:36

S.P.随机模拟（Python实现）

随机模拟（StochasticSimulation）逆变换法接受-拒绝法（acceptance-rejection）随机模拟计算圆周率π随机模拟（StochasticSimulation）随机模拟又称Monte-Carlo
姚巨龙·2020-06-29 09:18

理解 KL 散度的近似

Zhu（CSAGI/UniversityAI）原文链接：http://joschu.net/blog/kl-approx.html术语：散度（Divergence）;近似（Approximation）;Monte-Carlo
朱小虎XiaohuZhu·2020-05-08 23:48

维京说21 简析AlphaGo中Monte-Carlo tree search算法原理

问题：AlphaGo中的Monte-Carlotreesearch是什么原理？nature的《MasteringtheGameofGowithDeepNeuralNetworksandTreeSearch》原文对蒙特卡洛查找树（Monte-Carlotreesearch）的描述：Withoutanylookaheadsearch,theneuralnetworksplayGoatthelevelo
维京·2020-02-27 04:42

Learning to Win by Reading Manuals in a Monte-Carlo Framework

作者：S.R.K.Branavanbranavan@csail.mit.eduComputerScienceandArtificialIntelligenceLaboratoryMassachusettsInstituteofTechnologyDavidSilverd.silver@cs.ucl.ac.ukDepartmentofComputerScienceUniversityCollegeL
朱小虎XiaohuZhu·2019-12-29 06:42

Monte-Carlo Dropout，蒙特卡罗 dropout

Monte-CarloDropoutMonte-CarloDropout（蒙特卡罗dropout），简称MCdropout。一种从贝叶斯理论出发的Dropout理解方式，将Dropout解释为高斯过程的贝叶斯近似。云里雾里的，理论证明看起来挺复杂，有兴趣可以参考论文：DropoutasaBayesianApproximation:RepresentingModelUncertaintyinDeep
wuliytTaotao·2019-09-12 16:00

AI学习笔记——强化学习之Model-Free Prediction--解决未知环境下的预测问题

1.Monte-Carlo（蒙特卡洛）策略估计Monte-Carlo(MC)方法广泛应用于数学、物理和金融等领域。比如在物理学中研究离子运动轨迹，我们就可以采用Monte-Carlo方法进行多
weixin_33928467·2018-10-17 23:00

蒙特卡洛方法（Monte-Carlo Simulation）

目录布封投针问题（Buffon'sneedleproblem）蒙特卡洛方法（Monte-CarloSimulation）估算PI估计不规则图形的面积随机抛点采样估计样本采集拒绝采样（rejectsample）封投针问题（Buffon'sneedleproblem）问题：1、取一张白纸，画出间隔为的等距平行线。2、取一根长度为的针，随机地向画有等距平行线的纸上掷次，观察针与直线相交的次数，记为。3、
hearthougan·2018-09-01 17:22

人工智能期末复习笔记2018-01-03

极大极小过程alpha-beta剪枝Monte-Carlo博弈极大极小过程极大极小过程的想法非常直白，即：我方走步，则选择极大值；对方走步，则选择极小值。
铅绘_LittleWorld·2018-01-03 21:40

模拟退火算法(SA,Simulated Annealing)思想

模拟退火算法(Simulated Annealing，SA)最早由Kirkpatrick等应用于组合优化领域，它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体
·2015-11-07 11:01

模拟退火算法

模拟退火算法(SimulatedAnnealing，SA)最早由Kirkpatrick等应用于组合优化领域，它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质
u011331383·2015-03-26 16:00

解析Monte-Carlo算法(基本原理,理论基础,应用实践)

引言最近在和同学讨论研究SixSigma（六西格玛）软件开发方法及CMMI相关问题时，遇到了需要使用Monte-Carlo算法模拟分布未知的多元一次概率密度分布问题。
cncnlg·2014-04-22 14:41

蒙特卡罗积分(Scheme语言实现)

程序如下：    (define (estimate-pi trails)    (sqrt (/ 6 (monte-carlo trails experiment))))    (define (random-in-range
chenglinhust·2013-01-29 17:00

哈希(Hash)与加密(Encrypt)的基本原理、区别及工程应用

Encrypt)的基本原理、区别及工程应用-T2噬菌体-博客园http://www.cnblogs.com/leoo2sk/archive/2010/10/01/hash-and-encrypt.html解析Monte-Carlo
Redeom·2012-11-21 12:00

Buffon's Needle An Analysis and Simulation------蒙特卡洛法模拟蒲丰（Buffon）投针实验-使用Matlab

其原理请参见此页：http://www.mste.uiuc.edu/reese/buffon/buffon.html现在我们利用Matlab来做模拟，顺便说一下，这种随机模拟方法便是传说中的“蒙特-卡洛(Monte-Carlo
swqqcs·2011-07-08 23:00

解析Monte-Carlo算法(基本原理,理论基础,应用实践)

引言最近在和同学讨论研究SixSigma（六西格玛）软件开发方法及CMMI相关问题时，遇到了需要使用Monte-Carlo算法模拟分布未知的多元一次概率密度分布问题。
daisylym·2009-09-11 05:00
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他