معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Adaptive Stratification library

ویژگی	مقدار
سیستم عامل	-
نام فایل	adaptive-stratification-1.0.1
نام	adaptive-stratification
نسخه کتابخانه	1.0.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	https://github.com/SKrumscheid/ADSS
آدرس اینترنتی	https://pypi.org/project/adaptive-stratification/
مجوز	MIT License

# Adaptive Stratification This package provides an implementation of the adaptive stratification sampling method to estimate quantities of interest of the form Q = E(f(Y)), where the random vector Y follows a d-dimensional uniform distribution on the unit-cube and f is a given function. ## Example: Using the Sampler ```python # Import the module containing the sampling routines from stratification import AdaptiveStratification # Create a sampler for function func sampler = AdaptiveStratification(func, d, N_max, N_new_per_stratum, alpha, type='hyperrect') # Solve (return a tuple) result = sampler.solve() ``` Input arguments: * `func`: implementation of given function of interest that defines the quantity of interest. It needs to be callable, accepting one m-times-n-dimensional numpy array as input and returns a m-dimensional numpy array; * `d`: dimension of the stochastic domain; * `N_max`: number of total samples to be used; * `N_new_per_stratum`: targeted average number of samples per stratum, controlling the adaptation; * `alpha`: number between zero and one, defining the hybrid allocation rule; * `type`: type of tessellation procedure, i.e., via hyper-rectangles (`type='hyperrect'`) or simplices (`type='simplex'`) ## More Information See the [Github repository](https://github.com/SKrumscheid/ADSS) for more details.

نیازمندی

مقدار	نام
-	scipy
-	numpy

زبان مورد نیاز

مقدار	نام
>=3.8	Python

نحوه نصب

نصب پکیج whl adaptive-stratification-1.0.1:

pip install adaptive-stratification-1.0.1.whl

نصب پکیج tar.gz adaptive-stratification-1.0.1:

pip install adaptive-stratification-1.0.1.tar.gz