文件名称：nested_sampling:基于python的嵌套采样算法的实现
文件大小：338KB
文件格式：ZIP
更新时间：2024-07-27 20:02:45
C
嵌套采样 源代码： : 文档： : 嵌套采样算法的灵活高效的 Python 实现。 此实现旨在允许统计物理学家使用此方法进行热力学分析，但也被天体物理学家使用。 此实现使用统计力学语言（分区函数、相空间、配置、能量、状态密度）而不是贝叶斯采样语言（似然、先验、证据）。 这只是为了方便，方法是一样的。 该包超越了提供以下方法的裸露实现： 单个计算节点上的内置并行化（单台机器上的最大 CPU 线程总数） 通过分布式计算内置基于 Pyro4 的并行化，非常适合在集群上或跨网络运行计算 能够保存并从检查点二进制文件重新启动，非常适合非常长的计算 计算热容量和执行误差分析的脚本 与包集成以实现高效的蒙特卡罗步行者。 图 1：多模态表面上嵌套采样迭代的快照。 每条等高线对应于过去的最大能量（对数似然）约束。 最里面的轮廓线对应于当前约束，相应的样本被移除（红色交叉）并由行走随机
【文件预览】：
nested_sampling-master
----README.rst(4KB)
----nested_sampling()
--------run_tests.py(84B)
--------utils()
--------_mc_walker.py(4KB)
--------models()
--------src()
--------__init__.py(671B)
--------_dispatcher.py(940B)
--------tests()
--------_worker.py(2KB)
--------_nested_sampling_runner.py(3KB)
--------_nested_sampling.py(16KB)
----AUTHORS(103B)
----scripts()
--------start_worker.py(2KB)
--------compute_cv.py(3KB)
--------start_dispatcher.py(1KB)
--------compute_cv_stdev.py(8KB)
----doc()
--------Models.rst(154B)
--------_templates()
--------nested_sampling.rst(31B)
--------generated()
--------conf.py(10KB)
--------Utils.rst(539B)
--------sphinxext()
--------index.rst(3KB)
--------Makefile(8KB)
--------NestedSampling.rst(434B)
--------getting_started.rst(11KB)
--------nested_sampling.jpg(119KB)
--------MonteCarloWalker.rst(292B)
--------PyroParallelisation.rst(245B)
--------_static()
----examples()
--------animation()
--------harmonic()
----LICENSE(1KB)
----setup.py(995B)
----.gitignore(258B)
----nested_sampling.jpg(119KB)