关键词monte-carlo simulations
搜索结果 - 6
- 利用 GAN 在天体物理蒙特卡洛模拟中的应用
对 X 射线源产生的光谱进行精确建模需要使用蒙特卡罗模拟。这些模拟需要评估物理过程,例如在致密物体周围的吸积过程中发生的过程,通过对多个不同的概率分布进行采样。我们以描述相对论电子速度的 Maxwell-Jüttner 分布为例,证明生成对 - 通用和随机博弈纳什均衡学习的去中心化策略梯度
研究了一种具有未知转移概率密度函数的一般和随机游戏的纳什平衡学习。介绍一种加权渐近纳什均衡的概念,并提出了两种算法,一种是针对精确伪梯度的,另一种是针对未知伪梯度的。
- 对抗性学习实现对任意逻辑的推理
本研究提出了一种 Monte-Carlo 模拟系统,利用强化学习能够在任何逻辑领域中进行工作,而无需任何人为知识或问题集。
- 强化学习定理证明
提出了一种定理证明算法,该算法使用几乎没有领域启发式来指导其连接风格的证明搜索,而是运行许多蒙特卡罗模拟,通过强化学习来指导以前的证明尝试。
- 利用机器学习约束有效场论
利用粒子物理过程结构从 Monte-Carlo 模拟中提取额外信息,用于训练神经网络模型估计可能性比率,进而放宽对有效场论的限制,提高精度。
- 大型复杂高斯混合分布的熵计算
本文提出了一种新方法,利用球解码概念来计算高斯混合分布的熵,以降低复杂度并提高准确性;此外,我们还提出了一种基于信噪比区域的近似方法,可进一步降低复杂度。通过基于蒙特卡罗模拟的实验,本文所提出的方法成功地计算了包含熵项的相互信息,适用于二进