Quantum Monte Carlo: Concepts de base

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Page 2 sur 4

Simulation et optimisation : Processus de Poisson et nombres aléatoires

Explore les pièges de simulation, les nombres aléatoires, les distributions discrètes et continues, et l'intégration Monte-Carlo.

Exemples de MCMC et estimation des erreurs

Couvre des exemples de chaîne Markov Monte Carlo et des méthodes d'estimation des erreurs.

Les chaînes de Markov : théorie et applications

Couvre la théorie et les applications des chaînes de Markov dans la modélisation de phénomènes aléatoires et la prise de décision sous incertitude.

Chaînes Markov: Introduction et propriétés

Couvre l'introduction et les propriétés des chaînes Markov, y compris les matrices de transition et les processus stochastiques.

Système Bonus Malus : probabilités de transition

Explore le système Bonus Malus pour les primes d'assurance et les probabilités de transition en chaîne de Markov.

Optimisation et simulation : Inférence bayésienne

Explore l'inférence bayésienne, le problème de knapsack, et la prédiction à l'aide des méthodes Markov Chain Monte Carlo.

Équation de Lindblad

Couvre l'interprétation de l'équation de Lindblad et sa partie unitaire dans les gaz quantiques.

Chaînes de Markov: Applications et méthodes d'échantillonnage

Couvre les bases des chaînes de Markov et leurs applications algorithmiques.

Hidden Markov Modèles: Primer

Introduit des modèles de Markov cachés, expliquant les problèmes de base et les algorithmes comme Forward-Backward, Viterbi et Baum-Welch, en mettant laccent sur lattente-Maximisation.

Optimisation et simulation

Introduit l'algorithme Metropolis-Hastings pour une simulation efficace des variables aléatoires avec des probabilités données.