Introduit l'estimation bayésienne, qui couvre l'inférence classique par rapport à l'inférence bayésienne, les antécédents conjugués, les méthodes MCMC et des exemples pratiques comme l'estimation de la température et la modélisation de choix.
Explore l'approche de distribution quasi-stationnaire dans la modélisation de la dynamique moléculaire, couvrant la dynamique de Langevin, la métastabilité et les modèles cinétiques de Monte Carlo.
Explore la convergence des algorithmes Langevin Monte Carlo dans des taux de croissance et des conditions de douceur différents, mettant l'accent sur une convergence rapide pour une large classe de potentiels.
Explore les ondes de choc dans les traitements médicaux, y compris la lithotripsie pour les calculs rénaux et les performances de calcul intensif record dans la dynamique des fluides computationnelle.
Explore Markov Chain Monte Carlo pour l'échantillonnage des distributions haute dimension et l'optimisation des fonctions à l'aide de l'algorithme Metropolis-Hastings.
Explore la gestion décentralisée des charges pour les communautés énergétiques locales, montrant l'impact de la plate-forme Adapticité et de la technologie GridSense sur l'efficacité du réseau.
