主教

这是支持论文的代码:部分观察的时间流行病模型的重要性抽样。我们提出了一种重要抽样算法,它可以产生与观察值完全匹配的马尔科夫流行病模型的实现,取一段时间内单个事件类型的个数。重要性抽样可以用来构造一个有效的粒子滤波器,以系统的状态为目标,从而估计执行贝叶斯推理的可能性。当在粒子边缘Metropolis-Hastings方案中使用时,与简单的bootstrap抽样相比,重要性抽样在单位计算时间的有效样本量方面提供了较大的加速。该算法是通用的,具有最小的限制,并且我们展示了如何将它应用于任何我们希望在一段时间内精确匹配单个事件类型数量的连续时间马尔可夫链。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换