文件名称:VIforSDEs:随机微分方程快速近似估计的变分方法
文件大小:1.56MB
文件格式:ZIP
更新时间:2024-06-07 04:39:14
stochastic-differential-equations variational-inference Python
随机微分方程的黑盒变分推断 Lotka-Volterra示例的Tensorflow实现在 , , 和 (ICML,2018)中进行了。 示例:Lotka-volterra 在这里,我们在本文的第5.1节中演示示例“具有未知参数的多个观察时间”的实现。 也就是说,在已知测量误差方差的情况下,二维Lotka-Volterra SDE的全参数推断观察到的离散时间步长为10。 系统要求 以下示例已使用tensorflow 1.5,numpy 1.14和python 3进行了测试。尚未在任何依赖项的更新和/或更高版本上进行严格测试。 如有任何相关问题,请参阅联系部分。 此示例还使用张量板(1.5)可视化训练。 这样,您应该在lotka_volterra_data.py中为张量板输出指定路径。 例如: PATH_TO_TENSORBOARD_OUTPUT = "~/Documents/my_
【文件预览】:
VIforSDEs-master
----.gitignore(1KB)
----README.md(3KB)
----LICENSE(1KB)
----figs()
--------LV_paths.gif(1.56MB)
----lotka-volterra()
--------VI_for_SDEs.py(8KB)
--------lotka_volterra_data_augmentation.py(3KB)
--------lotka_volterra_data.py(784B)
--------__init__.py(0B)
--------lotka_volterra_loss.py(4KB)
--------network_utils.py(508B)