نتایج جستجو برای: گام mcmc

تعداد نتایج: 21212  

Journal: :مهندسی برق دانشگاه تبریز 0
رمضان هاونگی عضو هیئت علمی دانشگاه بیرجند

چکیده:مسئله موقعیت یابی یکی از نیازهای ضروری برای ربات های خودمختار است. روش های  مختلفی برای موقعت یابی ارائه شده است که  موقعیت یابی بر اساس فیلتر ذره­ای یکی از مؤثرترین روش ها است. با­وجود­این، این روش دارای مشکلاتی  که مهم­ترین آن­ها عدم سازگاری، تباهیدگی و وابستگی به مشخصات آماری نویزها است. برای حل این مشکلات، در این مقاله، یک الگوریتم موقعیت یابی مبتنی بر فیلتر ذره ای بهبودیافته  با فیلت...

متن کامل
ژورنال: مهندسی برق دانشگاه تبریز 2016
رمضان هاونگی,

چکیده:مسئله موقعیت‌یابی یکی از نیازهای ضروری برای ربات‌های خودمختار است. روش‌های  مختلفی برای موقعت یابی ارائه شده است که  موقعیت‌یابی بر اساس فیلتر ذره­ای یکی از مؤثرترین روش‌ها است. با­وجود­این، این روش دارای مشکلاتی  که مهم­ترین آن­ها عدم سازگاری، تباهیدگی و وابستگی به مشخصات آماری نویزها است. برای حل این مشکلات، در این مقاله، یک الگوریتم موقعیت‌یابی مبتنی بر فیلتر ذره‌ای بهبودیافته  با فیلت...

متن کامل
ژورنال: مهندسی مالی و مدیریت اوراق بهادار 2017

بحران مالی جهانی اخیر مشارکت‌کنندگان بازارهای مالی را بر آن داشت تا رویکرد قابل قبولی را برای پوشش ریسک فراهم نمایند. یکی از معیارهای مهم برای این منظور شاخص ارزش در معرض ریسک می‌باشد که در طی دو دهه اخیر وارد ادبیات مالی شده است. به طور معمول سه رویکرد پارامتریک، ناپارامتریک و شبه پارامتریک برای محاسبه و برآورد VaR مورد استفاده قرار می‌گیرد. در این مطالعه روش شبیه‌سازی زنجیره مارکف مونت‌کارلو ...

متن کامل
ژورنال: :مهندسی مالی و مدیریت اوراق بهادار 0

بحران مالی جهانی اخیر مشارکت کنندگان بازارهای مالی را بر آن داشت تا رویکرد قابل قبولی را برای پوشش ریسک فراهم نمایند. یکی از معیارهای مهم برای این منظور شاخص ارزش در معرض ریسک می باشد که در طی دو دهه اخیر وارد ادبیات مالی شده است. به طور معمول سه رویکرد پارامتریک، ناپارامتریک و شبه پارامتریک برای محاسبه و برآورد var مورد استفاده قرار می گیرد. در این مطالعه روش شبیه سازی زنجیره مارکف مونت کارلو ...

متن کامل
Journal: :Applied Psychological Measurement 2014

متن کامل
Journal: :Bioinformatics 2003

متن کامل
Journal: :Annual review of statistics and its application 2022

Markov chain Monte Carlo (MCMC) is the engine of modern Bayesian statistics, being used to approximate posterior and derived quantities interest. Despite this, issue how output from a post-processed reported often overlooked. Convergence diagnostics can be control bias via burn-in removal, but these do not account for (common) situations where limited computational budget engenders bias-varianc...

متن کامل
Journal: :WIREs Computational Statistics 2018

متن کامل
Journal: :Monthly Notices of the Royal Astronomical Society 2021

We introduce Bilby-MCMC, a Markov-Chain Monte-Carlo sampling algorithm tuned for the analysis of gravitational waves from merging compact objects. Bilby-MCMC provides parallel-tempered ensemble Metropolis-Hastings sampler with access to block-updating proposal library including problem-specific and machine learning proposals. demonstrate that proposals can produce over 10-fold improvement in ef...

متن کامل
Journal: :Applied Psychological Measurement 2016

متن کامل

نمودار تعداد نتایج جستجو در هر سال

با کلیک روی نمودار نتایج را به سال انتشار فیلتر کنید

function paginate(evt) { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term pg=parseInt(evt.target.text) var data={ "year":filter_year, "term":term, "pgn":pg } filtered_res=post_and_fetch(data,url) window.scrollTo(0,0); } function update_search_meta(search_meta) { meta_place=document.getElementById("search_meta_data") term=search_meta.term active_pgn=search_meta.pgn num_res=search_meta.num_res num_pages=search_meta.num_pages year=search_meta.year meta_place.dataset.term=term meta_place.dataset.page=active_pgn meta_place.dataset.num_res=num_res meta_place.dataset.num_pages=num_pages meta_place.dataset.year=year document.getElementById("num_result_place").innerHTML=num_res if (year !== "unfilter"){ document.getElementById("year_filter_label").style="display:inline;" document.getElementById("year_filter_place").innerHTML=year }else { document.getElementById("year_filter_label").style="display:none;" document.getElementById("year_filter_place").innerHTML="" } } function update_pagination() { search_meta_place=document.getElementById('search_meta_data') num_pages=search_meta_place.dataset.num_pages; active_pgn=parseInt(search_meta_place.dataset.page); document.getElementById("pgn-ul").innerHTML=""; pgn_html=""; for (i = 1; i <= num_pages; i++){ if (i===active_pgn){ actv="active" }else {actv=""} pgn_li="
  • " +i+ "
    • "; pgn_html+=pgn_li; } document.getElementById("pgn-ul").innerHTML=pgn_html var pgn_links = document.querySelectorAll('.mypgn'); pgn_links.forEach(function(pgn_link) { pgn_link.addEventListener('click', paginate) }) } function post_and_fetch(data,url) { showLoading() xhr = new XMLHttpRequest(); xhr.open('POST', url, true); xhr.setRequestHeader('Content-Type', 'application/json; charset=UTF-8'); xhr.onreadystatechange = function() { if (xhr.readyState === 4 && xhr.status === 200) { var resp = xhr.responseText; resp_json=JSON.parse(resp) resp_place = document.getElementById("search_result_div") resp_place.innerHTML = resp_json['results'] search_meta = resp_json['meta'] update_search_meta(search_meta) update_pagination() hideLoading() } }; xhr.send(JSON.stringify(data)); } function unfilter() { url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":"unfilter", "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } function deactivate_all_bars(){ var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(bar) { bar.dataset.active = false bar.style = "stroke:#71a3c5;" }) } year_chart.on("created", function() { var yrchart = document.querySelectorAll('.ct-bar'); yrchart.forEach(function(check) { check.addEventListener('click', checkIndex); }) }); function checkIndex(event) { var yrchart = document.querySelectorAll('.ct-bar'); var year_bar = event.target if (year_bar.dataset.active == "true") { unfilter_res = unfilter() year_bar.dataset.active = false year_bar.style = "stroke:#1d2b3699;" } else { deactivate_all_bars() year_bar.dataset.active = true year_bar.style = "stroke:#e56f6f;" filter_year = chart_data['labels'][Array.from(yrchart).indexOf(year_bar)] url=/search_year_filter/ var term=document.getElementById("search_meta_data").dataset.term var data={ "year":filter_year, "term":term, "pgn":1 } filtered_res=post_and_fetch(data,url) } } function showLoading() { document.getElementById("loading").style.display = "block"; setTimeout(hideLoading, 10000); // 10 seconds } function hideLoading() { document.getElementById("loading").style.display = "none"; } -->