司仪

主持人:MCMC锤。我们介绍了一个稳定的,测试良好的Python实现的仿射不变集合采样的马尔可夫链Monte Carlo(MCMC)提出的Gooman和WeaR(2010)。该代码是开源的,并且已经在天体物理学文献中的几个已发表的项目中使用。与传统的MCMC采样方法相比,EMCEE算法具有若干优点,并且通过自相关时间(或每个独立样本的函数调用)具有优良的性能。该算法的一个主要优点是,在n维参数空间中,与传统算法相比,它只需要手动调整1或2个参数。在本文中,我们描述了算法和我们的实现和API的细节。利用集成方法的并行性,EMCEE允许任何用户在没有额外努力的情况下利用多个CPU核。代码可在网上获得。HTTP://DAN.IEL.FM/EMCEE/Curruts/在麻省理工学院执照下。


ZBMaCT中的参考文献(23篇文章中引用)

显示结果1至20的23。
按年份排序(引文
  1. Alawieh,Leeon;Gooman,乔纳森;贝尔,John B.:贝叶斯推理的高斯过程替代模型的迭代构造(2020)
  2. C. A.,Schneider,A.;元,T.:随机模型的一个封闭似然(2019)
  3. Clerx,M.,鲁滨孙,M.,Lambert,B,雷,C.L,Ghosh,S,MalAMs,G.R.和Gavaghan,FIL:噪声时间序列(PITS)的概率推断(2019)不是ZB数学
  4. D. Huppenkothen、M. Bachetti、A. L. Stevens、S. Migliari、P. Balm、O. Hammad、U. M. Khan、So、Y、Y、Y、Y、*:StnGrime:一个现代Python谱计时库(2019)阿西夫
  5. Eric W. Koch、Ryan D. Boyden、Blakesley Burkhart、Adam Ginsburg、Jason L. Loeppky、Stella S.R. Offner:涡轮:Python中的湍流统计(2019)阿西夫
  6. Joshua S Speagle:DynStest:一个用于估计贝叶斯后验和证据的动态嵌套抽样包(2019)阿西夫
  7. 库马尔,R;柯林,C;Hartikainen,A;马丁,O. A.:ARVIZ一个统一的库,用于Python中贝叶斯模型的探索性分析。(2019)不是ZB数学
  8. P. Molli,J.P. Wardenier,R. van Boekel,T.Henning,K. Molaverdikhani,I.A.G.斯内伦:PopTrutTr:一个用于外行星表征和检索的Python辐射传输包(2019)阿西夫
  9. Sarah Blunt,王识贤,Isabel Angelo,亨利NGO,Devin Cody,罗伯特J.de罗萨,詹姆斯·格拉汉姆,To,Y,Y,Y,Y,Y,Y:OriTisiz!高对比度成像社区的综合轨道拟合软件包(2019)阿西夫
  10. Benjamin J. Fulton;Erik A. Petigura;Sarah Blunt;Evan Sinukoff:RADVEL:径向速度建模工具箱(2018)阿西夫
  11. Brendon Brewer;Daniel Foreman Mackey:DNEST4:C++和Python中的扩散嵌套采样(2018)不是ZB数学
  12. C. M. Biwer;Collin D. Capano;捜米德;Miriam Cabero;Duncan A. Brown;亚力山大H.NITZ;V.雷蒙德:PYCBC推理:基于Python的紧凑二元合并信号参数估计工具包(2018)阿西夫
  13. D.M.施特劳:FLVAIO:标准模型及其后的Python包装的风味和精密现象学(2018)阿西夫
  14. Leimkuhler,本尼迪克;马休斯,查尔斯;Weare,乔纳森:马尔可夫链蒙特卡洛模拟的集合预处理(2018)
  15. Morzfeld,马蒂亚斯;天,Marcus S.;灌浆,Ray W.;Heng Pau,George Shu;芬斯特勒,Stefan A.;贝尔,Stefan A.:参数估计的迭代重要抽样算法(2018)
  16. 施雷伯,雅各伯:石榴:Python中快速灵活的概率建模(2018)
  17. 张,Jiaxin;谢尔德斯,Michael D.:先验概率对小数据集引起的不精确概率的量化和传播的影响(2018)
  18. Guillochon,J,尼可尔,M;维拉尔,VA;莫克勒,B;纳拉扬,G;曼德尔,KS;伯杰,E;威廉姆斯,PKG:MOSFIT:瞬变模块化开源钳工(2017)阿西夫
  19. Hilbe,Joseph M.;德捜匝,Rafael S.;石田,Emille E. O.:天体物理数据的贝叶斯模型。使用R、JAGS、Python和STAN(2017)
  20. Kandasamy,Kirthevasan;Schneider,杰夫;P·CZOS,巴纳巴斯:科学实验中贝叶斯有效学习的有效后验估计(2017)