我在 R 中运行 R2OpenBUGS 时遇到了一个特定问题。但它在 OpenBUGS 中运行得非常好。
我想了解问题所在。

这是我的代码：

模型波动率；
常数 n=180;
{

# 可能性：ys
的联合分布 (t in 1:n)
{
yisigma2[t] <- 1/exp(theta[t]);
y[t] ~ dnorm(0,yisigma2[t]);
}

先验分布

亩〜dnorm（0,0.1）；
phistar ~ dbeta(20,1.5);
itau2 ~ dgamma(2.5,0.025);
β <- exp(mu/2);
phi <- 2*phistar-1;
tau <- sqrt(1/itau2);
theta0 ~ dnorm(mu,itau2);
thmean[1] <- mu + phi*(theta0-mu);
theta[1] ~ dnorm(thmean[1],itau2);
for (t in 2:n)
{
thmean[t] <- mu + phi*(theta[t-1]-mu);
theta[t] ~ dnorm(thmean[t],itau2);

}
}

R 代码：
svm.sim <- bugs(data, inits, model.file = "C:/Documents and Settings/code.txt", parameters = c("mu", "phi", "tau"), n. chains = 1, n.iter = 1000, codaPkg = TRUE,debug=TRUE)

这是我从 R 运行 OpenBUGS 日志中显示的错误：

模型在语法上是正确的
数据加载
模型 编译
的这个节点组件不是随机 phi 错误 pos 25
无法为 UpdaterNormal 类型的节点生成初始值。StdUpdater
模型必须在更新
之前初始化 模型必须在监视器之前初始化 使用的
模型必须在监视器之前初始化使用的
模型必须在显示器之前初始化 使用的
模型必须在显示器之前初始化 使用的
模型必须在 DIC 可以被监控
之前初始化 模型必须在更新之前初始化
模型必须在显示器之前初始化
DIC 显示器未设置


任何帮助将不胜感激
谢谢问候
迪纳卡

扩展streetparade 的问题，我想问一下随机算法和启发式算法之间有什么区别（如果有的话）。

说随机算法实际上是一种启发式算法是否正确？

嗨，我正在使用 gnuplot 绘制数据块中结构化的模拟数据，如下所示：

数据块的数量不是严格已知的，但至少是 30 个块。请注意，每个 CurrentTime 的间隔数是不同的。我正在使用以下代码按原样绘制数据

由于 multiplot 命令，我要绘制的下一件事将进入下图中。我希望该图成为我设定的时间间隔内数据的平均值。在我想要的伪代码中：

我被困在试图在 gnuplot 中实现它。任何帮助都会很棒！

我想在遵循幂律的环境 ABM 中添加自然灾害的可能性（通常很少损坏，不太常见的中等损坏，很少有强烈的损坏，很少有完全损坏）。

到目前为止，我编写了以下代码：

现在，我不知道如何添加“命中”的强度（因此，可以影响多少补丁）以及发生（或不发生）的可能性（根据幂律）的随机因素) 每个刻度。有人可以帮帮我吗？

这是最终代码（由 Alan 回答）：

我正在尝试用 Java 实现 Stochastic Hill Climbing。我知道这个算法会产生一个随机挑选的新解决方案，然后根据它的坏/好接受解决方案。例如，如果它非常糟糕，那么它的机会很小，如果它有点糟糕，那么它将有更多的机会被选中，但我不确定如何在 java 中实现这个概率。

在浏览 Google 时，我遇到了这个等式，在哪里；

• f代表旧健身
• f'代表新的健身
• T 是一个参数

我不确定如何解释这个等式。

有人可以帮助我如何在 Java 中实现它吗？

我正在编写java代码来解决模拟退火方法的问题。我需要一种方法来仅在给定参数true的概率 exp(a/b) 中a生成随机数。b

谢谢。

我对 python 和 pymc 还很陌生，想尝试使用 pymc 来解决问题。我正在模拟从祖父母到儿子的简单孟德尔遗传，但我不明白如何多次重新应用相同的随机模型。任何帮助表示赞赏。

错误是一个以 TypeError 结尾的长字符串：'numpy.ndarray' object is not callable on the first ChildOf

我试图将解决方案近似为：

等式两边的位置和位置。

我的左侧代码是：

但我根本无法弄清楚右侧，这要困难得多。任何人都可以帮忙吗？

我有单个 Hindmarsh-Rose(HR) 神经元模型如下

其中 a,b,I1,I0,D,c,d,r,s,x0 是参数。

我想改变“w”（在 I1*cos w t 的 x' 中）并包括具有 D 强度的高斯白噪声（Zyi（t））并捕获范围 [20 到 60] 的频率灵敏度。这是随机共振的问题，其中系统依赖于频率，并且在特定频率下存在可以通过 SNR 捕获的相干性（在这种情况下为 40）。

最初，当系统是确定性的（无噪声项，即 Zyi(t)）时，我只是简单地使用 ODE45 来求解系统，并且它产生了正确的结果，但是当添加高斯噪声时，无法重现精确的结果，即无法捕获不同模拟中的频率灵敏度。

然后我使用 SDEToolbox 在 Matlab 中解决它。我在工具箱中使用了 Euler-Maruyama 和 Milstein 内置算法，但没有用。

这确实会产生一些结果，但对于“w”的不同值，它不会产生确切的结果。即，如果“w”小于（>20 和 <40），那么产生的尖峰数应该更少，并且 w 在 40 到 50（大约）之间没有。神经元尖峰的数量应该是最大的，对于“w”>50 和“w”<60，神经元尖峰应该再次减少。谁能告诉我如何捕捉到这一点。

我想在 MATLAB 中数值求解一个随机微分方程（SDE），我刚刚编写的代码根本无法识别 sde 函数！

问题如下：

并且 f_i 是从这个等式计算出来的：

请注意，z0_i 的初始值随机分布在 60nm 范围内。

dw_t 是维纳过程中的一个增量。

首先，我不知道如何为 z 设置条件，而我没有它的价值！其次，欧拉算法完全匹配方程，但我不知道为什么带有 sde 函数的代码不起作用！