Séance de cours
Chaîne Monte Carlo: Motivation et Algorithme
Séances de cours associées (48)
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.
Simulation stochastique : Quantification de l'incertitude
Explore la quantification de l'incertitude à l'aide des méthodes de Quasi Monte Carlo et des mesures des écarts pour l'approximation intégrale et l'estimation du volume.
Chaînes Markov : Simulation et optimisation
Explore les chaînes Markov, Metropolis-Hastings, et la simulation à des fins d'optimisation, soulignant l'importance de l'ergonomie dans la simulation variable efficace.
Connect 4 : Stratégie gagnanteMOOC: Initiation à la Programmation en C++
Explique la stratégie gagnante dans Connect Four en vérifiant les combinaisons gagnantes.
Transport optimal: fractionnement vers l'avant-arrière
Présente un nouvel algorithme pour des problèmes de transport optimaux, montrant des améliorations de vitesse et de performance, avec des applications dans l'adaptation de domaine et les modèles générateurs.
La plus longue sous-séquence commune: Algorithme de programmation dynamique
Explore le concept de sous-séquence commune la plus longue et son algorithme de programmation dynamique, en mettant l'accent sur une sous-structure optimale et une résolution efficace des problèmes.
Expansion des requêtes : méthodes et algorithmes
Explore les méthodes d'expansion des requêtes, les commentaires sur la pertinence des utilisateurs, l'algorithme Rocchio et les considérations pratiques dans l'expansion des requêtes.
Algorithme Metropolis : équilibre détaillé
Couvre le principe d'équilibre détaillé dans l'algorithme Metropolis et le choix de l'étape d'essai et de la configuration de démarrage.