Zobrazeno 1 - 10
of 923
pro vyhledávání: '"pymc"'
Autor:
Lum, Daniel J., Weinstein, Yaakov
Quantum state tomography (QST) is typically performed from a frequentist viewpoint using maximum likelihood estimation (MLE) which seeks to find the best plausible state consistent with the data by maximizing a likelihood function / distribution. The
Externí odkaz:
http://arxiv.org/abs/2212.10655
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Oriol Abril-Pla, Virgile Andreani, Colin Carroll, Larry Dong, Christopher J. Fonnesbeck, Maxim Kochurov, Ravin Kumar, Junpeng Lao, Christian C. Luhmann, Osvaldo A. Martin, Michael Osthege, Ricardo Vieira, Thomas Wiecki, Robert Zinkov
Publikováno v:
PeerJ Computer Science, Vol 9, p e1516 (2023)
PyMC is a probabilistic programming library for Python that provides tools for constructing and fitting Bayesian models. It offers an intuitive, readable syntax that is close to the natural syntax statisticians use to describe models. PyMC leverages
Externí odkaz:
https://doaj.org/article/578705eff6ca4157b8fbc81b1bcf0531
Autor:
Emaasit, Daniel
$\textit{Pymc-learn}$ is a Python package providing a variety of state-of-the-art probabilistic models for supervised and unsupervised machine learning. It is inspired by $\textit{scikit-learn}$ and focuses on bringing probabilistic machine learning
Externí odkaz:
http://arxiv.org/abs/1811.00542
Probabilistic programming (PP) allows flexible specification of Bayesian statistical models in code. PyMC3 is a new, open-source PP framework with an intutive and readable, yet powerful, syntax that is close to the natural syntax statisticians use to
Externí odkaz:
http://arxiv.org/abs/1507.08050
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Feickert, Matthew1 matthew.feickert@cern.ch, Heinrich, Lukas2 matthew.feickert@cern.ch, Horstmann, Malin2 malin.elisabeth.horstmann@cern.ch
Publikováno v:
EPJ Web of Conferences. 5/6/2024, Vol. 295, p1-8. 8p.
Autor:
A. A. Zvonok
Publikováno v:
Цифровая социология, Vol 7, Iss 1, Pp 14-25 (2024)
The article is devoted to Bayesian modeling of simple comparative binomial experiments with binary data sets (of “hit” and “miss” format) in sociology and other social sciences. The main methodological foundations of application of Bayesian a
Externí odkaz:
https://doaj.org/article/5df540e84f3a416da4534b44fb329868
Autor:
Cabria Fuente, Eduardo
Publikováno v:
Biblos-e Archivo. Repositorio Institucional de la UAM
instname
instname
Este Trabajo Fin de Grado consiste en la implementación de un programa escrito en Python utilizando programación probabilística con el objetivo de conseguir la detección preventiva de blanqueo de capitales en cualquier entidad financiera. El obje
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::88f9551cd174ee4bc2be4abdeb9df652
http://hdl.handle.net/10486/698039
http://hdl.handle.net/10486/698039
Publikováno v:
Journal of Statistical Software, Vol 35, Iss 04 (2010)
This user guide describes a Python package, PyMC, that allows users to efficiently code a probabilistic model and draw samples from its posterior distribution using Markov chain Monte Carlo techniques.
Externí odkaz:
https://doaj.org/article/dbe5b3a0b1594d2eb810668867ab8ac9