非线性因果分析技术
在基础的统计学中,我们学过用协方差矩阵来表征两个高维随机变量\(X=(X_1,X_2,\cdots,X_n)^T, Y=(Y_1,Y_2,\cdots, Y_m)^T\)之间的相关性。但是,我们知道相关性并不意味着独立性,更加不能准确描述因果性。这篇Blog,我们将持续更新一些因果性分析工具。
在基础的统计学中,我们学过用协方差矩阵来表征两个高维随机变量\(X=(X_1,X_2,\cdots,X_n)^T, Y=(Y_1,Y_2,\cdots, Y_m)^T\)之间的相关性。但是,我们知道相关性并不意味着独立性,更加不能准确描述因果性。这篇Blog,我们将持续更新一些因果性分析工具。
最近在学习The financial mathematics of market liquidity 和游戏中物理模拟的一些知识,发现这两个地方都涉及到了Bolza问题,决定单独把这块提取出来说一说。我们这边主要把Bolza问题集中在最小化这个小问题上面: \[ J = \int_{0}^T f_t(x(t)) + g_t(\dot{x}(t))dt \] 并且满足边界条件\(x(0) = a, x(T) = b\)。
简单介绍一下三个分布式算法
经典的傅立叶变换,无论对工程应用还是数据科学,都产生了深远。因此对于量子计算机来说,如何实施傅立叶变换也是很重要的事情1。
Ray是一个款UCB研究人员设计的分布式机器学习框架,尤其是针对强化学习。本文第一部分介绍分布式机器学习,尤其是对于复杂的强化学习需要解决的几大困难,第二部分介绍Ray框架是如何解决这些问题的。[^1] [^2]