Le modèle structural agnostique (SAM) est une méthode de découverte de causalité. Il utilise des indépendances conditionnelles et des asymétries de distribution pour trouver la structure causale sous-jacente à partir de données observationnelles. L'approche repose sur un jeu entre différents joueurs estimant chaque distribution de variable conditionnellement aux autres sous forme de réseau de neurones et un adversaire visant à discriminer les données générées contre les originales. L' critère d'apprentissage de SAM combine l'estimation de distribution, des contraintes de parcimonie et d'acyclicité pour optimiser la structure et les paramètres du graphe grâce à la descente de gradient stochastique.

Ce projet fournit des outils pour les distributions généralisées gaussiennes multivariées (MGGD) : calcul de distance/divergence entre MGGD, manipulation de distributions MGGD, estimation des paramètres, simulation d'échantillons à partir d'une MGGD, et affichage de la densité d'une MGGD à 2 variables.

Le projet codadiags est un package R dédié à l'analyse de données statistiques, plus spécifiquement à la simulation de chaînes de Markov. Il permet aux utilisateurs de générer des échantillons représentatifs et d'estimer les paramètres de distributions complexes.

DataFitterLib est une bibliothèque logicielle permettant de réaliser des ajustements de courbes de données, des estimations de paramètres de distributions, du filtrage de bruit dans les données et de la modélisation de données physiques. Elle offre une grande variété de fonctions de fitting et de méthodes d'optimisation pour répondre aux besoins de différents domaines d'application.