probml/dynamax
A Python package for probabilistic state space modeling with JAX
解决的问题
Dynamax 提供了一个用于处理概率状态空间模型 (SSM) 的高性能库。它简化了对隐藏状态随时间演变并生成观测数据的系统进行状态估计(推理)和参数估计(学习)的过程。
工作原理
该库基于 JAX 构建,实现了多种 SSM,包括隐马尔可夫模型 (HMM)、线性高斯 SSM 以及非线性/广义高斯 SSM。它提供两层 API:一组功能纯粹的低级推理算法,以及用于模型类的用户友好型面向对象接口。它与 JAX 生态系统集成,使用 Optax 进行随机梯度下降,使用 Blackjax 进行哈密顿或顺序蒙特卡洛方法。
适用对象
专为处理时间序列数据和概率建模,并需要高效的向量化操作进行状态和参数估计的研究人员和开发人员设计。
亮点
- JAX 驱动:利用 JAX 进行高性能计算,并通过
vmap实现操作的向量化。 - 多样化的模型支持:包括 HMM、线性高斯、非线性高斯和广义高斯状态空间模型。
- 全面的工具集:支持在线滤波、离线平滑以及对未来状态和观测值的预测。
- 生态系统集成:与 Optax 和 Blackjax 兼容,用于高级参数估计和贝叶斯推理。
相关
- 项目
- 项目
- 项目
- 项目
- 项目