65,289 research outputs found

    SMCTC : sequential Monte Carlo in C++

    No full text
    Sequential Monte Carlo methods are a very general class of Monte Carlo methods for sampling from sequences of distributions. Simple examples of these algorithms are used very widely in the tracking and signal processing literature. Recent developments illustrate that these techniques have much more general applicability, and can be applied very effectively to statistical inference problems. Unfortunately, these methods are often perceived as being computationally expensive and difficult to implement. This article seeks to address both of these problems. A C++ template class library for the efficient and convenient implementation of very general Sequential Monte Carlo algorithms is presented. Two example applications are provided: a simple particle filter for illustrative purposes and a state-of-the-art algorithm for rare event estimation

    SMCTC: Sequential Monte Carlo in C++

    No full text
    Sequential Monte Carlo methods are a very general class of Monte Carlo methods for sampling from sequences of distributions. Simple examples of these algorithms are used very widely in the tracking and signal processing literature. Recent developments illustrate that these techniques have much more general applicability, and can be applied very effectively to statistical inference problems. Unfortunately, these methods are often perceived as being computationally expensive and difficult to implement. This article seeks to address both of these problems. A C++ template class library for the efficient and convenient implementation of very general Sequential Monte Carlo algorithms is presented. Two example applications are provided: a simple particle filter for illustrative purposes and a state-of-the-art algorithm for rare event estimation.

    Monte Albán: Oaxaca

    No full text
    La información de esta miniguía se basa, a la fecha de la publicación de la misma en los trabajos de los arqueólogos Richard E. Blanton, Alfonso Caso y Kent V. FlanneryEsta ciudad prehispánica fue la antigua capital de los zapotecos, floreció entre los años 500 a.C. al 800 d.C. y una de las primeras establecidas en el Nuevo Mundo. Sus fundadores provenían de comunidades del valle y hablaban una versión antigua del zapoteco. A Monte Albán la erigieron sobre un conjunto de cerros en el centro del valle y llegó a tener hasta 35 000 habitantes. Monte Albán es reconocida por su bella arquitectura sus piedras grabadas y las urnas de cerámica gris representando sacerdotes ricamente ataviados, muchas de las cuales se encontraron en las casi 190 tumbas hasta ahora descubiertas y denotan la creencia de una vida después de la muerte.</p

    Monte Albán: Oaxaca

    No full text
    La información de esta miniguía se basa, a la fecha de la publicación de la misma en los trabajos de los arqueólogos Richard E. Blanton, Alfonso Caso y Kent V. FlanneryEsta ciudad prehispánica fue la antigua capital de los zapotecos, floreció entre los años 500 a.C. al 800 d.C. y una de las primeras establecidas en el Nuevo Mundo. Sus fundadores provenían de comunidades del valle y hablaban una versión antigua del zapoteco. A Monte Albán la erigieron sobre un conjunto de cerros en el centro del valle y llegó a tener hasta 35 000 habitantes. Monte Albán es reconocida por su bella arquitectura sus piedras grabadas y las urnas de cerámica gris representando sacerdotes ricamente ataviados, muchas de las cuales se encontraron en las casi 190 tumbas hasta ahora descubiertas y denotan la creencia de una vida después de la muerte.</p

    Speculative moves : multithreading Markov Chain Monte Carlo programs

    No full text
    The increasing availability of multi-core and multi-processor architectures provides new opportunities for improving the performance of many computer simulations. Markov Chain Monte Carlo (MCMC) simulations are widely used for approximate counting problems, Bayesian inference and as a means for estimating very high-dimensional integrals. As such MCMC has found a wide variety of applications in biology and biomedical analysis. This paper presents a new method for reducing the runtime of Markov Chain Monte Carlo simulations by using SMP machines to speculatively perform iterations in parallel, reducing the runtime of MCMC programs whilst producing statistically identical results to conventional sequential implementations. We calculate the theoretical reduction in runtime that may be achieved using our technique under perfect conditions, and test and compare the method on a selection of multi-core and multi-processor architectures. Experiments are presented that show reductions in runtime of 35% using two cores and 55% using four cores

    Real del Monte: Hidalgo

    No full text
    La información de esta miniguía se basa en el Catálogo de Construcciones Religiosas del Estado de Hidalgo y en el Expediente de la Sección de Monumentos Históricos del Centro INAH Hidalgo.Antes de la conquista, a Mineral del Monte se le conoció como Maghotsi, cuyas raíces otomíes son Ma, altura, y Ghotso, paso, es decir, "Paso por la Altura". Era la parte más elevada del camino que venía de la Huasteca ala Gran Tenochtitlan. El nombre de Maghotsi ha sido degenerado en El Ghtsiy finalmente en El Hiloche, nombre con el que se le conoce al bosque de encinas gigantes localizado al poniente de la población. El poblado se fundó oficialmente en el año 1552 con el nombre de Real del Monte, que deriva de la costumbre española de designar con el nombre de "Real" a los minerales que se extraían de las montañas. Ya como Mineral del Monte, recibió la categoría de municipio el 8 de mayo de 1934

    Oral History Interview with Monte C. Williamson, August 24, 1974

    No full text
    Interview with Army Air Forces veteran Monte C. Williamson. The interview includes Williamson's personal experiences as a bombardier/navigator at Hickam Field during the Japanese attack at Pearl Harbor on December 7, 1941

    Why Monte Carlo Simulations are Inferences and not Experiments

    No full text
    Monte Carlo Simulations arrive at their results by introducing randomness, sometimes derived from a physical randomizing device. Nonetheless, we argue, they open no new epistemic channels beyond that already employed by traditional simulations: the inference by ordinary argumentation of conclusions from assumptions built into the simulations. We show that Monte Carlo simulations cannot produce knowledge other than by inference; and that they resemble other computer simulations in the manner in which they derive their conclusions. Simple examples of Monte Carlo simulations are analyzed to identify the underlying inferences
    corecore