- 综合排序
- 最热优先
- 最新优先
- 来自专栏AngelNI
Markov-Chain
马尔可夫链（Markov Chain） 马尔可夫链（Markov Chain），又称为离散时间马尔可夫链，可以定义为一个随机过程Y，在某时间t上的任何一个点的值仅仅依赖于在时间t-1上的值。
94720发布于 2020-04-16 - 来自专栏从流域到海域
从Markov Process到Markov Decision Process
本文链接：https://blog.csdn.net/Solo95/article/details/100160595 Recall: Markov Property information state : sufficient statistic of history State sts_tst is Markov if and only if: p(st+1∣st,at)=p(st+1∣ht a_t)=p(s_{t+1}|h_t,a_t)p(st+1∣st,at)=p(st+1∣ht,at) Future is independent of past given present Markov Process or Markov Chain 无记忆性随机过程 具有马尔科夫性质的随机状态的序列 马尔科夫过程(Markov Process)的定义： S是一个(有限)的状态集(s ∈S\in S∈ Markov Reward Process (MRP) 马尔科夫奖励过程 = 马尔科夫过程 + 奖励 马尔科夫奖励过程(MRP)的定义: S是一个状态的有限集(s ∈\in∈ S) P是动态/变迁模型，
81720发布于 2019-10-22 - 来自专栏自学笔记
Hidden Markov Model
一般来讲，说到隐马尔科夫链其实就是隐含的状态序列了，markov链各个元素直接是存在了转化关系的，比如一开始是D6下一个状态是D4，D6，D8的概率都是1/3，这样设置平均值只是为了初始化而已，一般这种值其实是可以随意改变的 ⑤Hidden Markov Model代码实现 1.工具类的实现 class Tool(object): infinite = float(-2**31) @staticmethod
79920发布于 2019-01-23 - 来自专栏mathor
Markov与HMM
Markov 马尔可夫模型（Markov Model）和回归、分类那些处理相互独立的样本数据的模型不同，它用于处理时间序列数据，即样本之间有时间序列关系的数据。 Markov最核心的思想是："当前状态只与上一时刻状态有关，而与之前其它任何时刻的状态都无关"。我个人觉得这是Markov最大的问题，至于为什么，放在文章后面。 如果是Markov来做预测，会怎么想呢？ Markov模型会认为这是一个短期的决策，它认为这个人只是在绿点开始才突然想回家的，前面你怎么想，Markov并不知道，也并不管，因为在它看来，最重要的就是前一时刻的状态 我个人无论如何都觉得Markov 这也是我当时写论文的时候发现的，本来论文准备主用Markov的，后来改成一个能预测长期趋势的模型+Markov修正这样的策略。
76420发布于 2020-02-25 - 来自专栏人工智能前沿讲习
GMNN: Graph Markov Neural Networks
我们生活在一个互联的世界中，实体通过各种关系相互联系。例如，网页通过超链接相互关联，社交媒体用户通过社交关系相互关联。对这种关系数据建模是机器学习中的一个重要的研究课题。这一课题涵盖了各种应用，如实体分类，链接预测和链接分类。
1.4K20发布于 2020-05-13 - 来自专栏大数据和机器学习
马尔可夫（Markov）相关
概念 马尔可夫（Markov）相关概念包括马尔可夫过程（Markov Process），马尔可夫奖赏过程（Markov Reward Process），马尔可夫决策过程（Markov Decision 我们说他们都是具有马尔可夫性质（Markov Property）的，然后MRP就是再加上奖赏过程，MDP就是再加上决策过程。那么什么是马尔可夫性质呢？ 而且几乎所有的RL问题都可以转为成为MDP，其中的部分可观测环境问题也可以转化为MDP Markov Process （Markov Chain）：是一个包含了状态S和转移概率P的数组<S,P> 状态转移矩阵 Markov Reward Process（MRP）:是加入了瞬时奖励（Immediate reward）和γ（discount factor）的MP, 即数组<S,P,R,γ>。 而复杂一点的就不能这样直接算了，智能通过迭代方法（iterative method）如动态规划，蒙特卡洛评估等方法 Markov Decision Process（MDP）：是加入了决策（Decision
1.1K00发布于 2020-01-14 - 来自专栏杨丝儿的小站
SP Module 9 the Hidden Markov Model
Hidden Markov Models for ASR Intro to Hidden Markov Models, comparison to DTW. dynamic time warping ( Origin: Module 9 – Speech Recognition – the Hidden Markov Model Translate + Edit: YangSier (Homepage)
48420编辑于 2022-12-22 - 来自专栏又见苍岚
Markov Chain Monte Carlo 采样算法
作为一种随机采样方法，马尔科夫链蒙特卡罗（Markov Chain Monte Carlo，以下简称MCMC）在机器学习,深度学习以及自然语言处理等领域都有广泛的应用，是很多复杂算法求解的基础，本文介绍基本思想 简介 马尔科夫链蒙特卡洛方法(Markov Chain Monte Carlo)，简称MCMC，产生于20世纪50年代早期，是在贝叶斯理论框架下，通过计算机进行模拟的蒙特卡洛方法(Monte Carlo 该方法将马尔科夫(Markov)过程引入到Monte Carlo模拟中，实现抽样分布随模拟的进行而改变的动态模拟，弥补了传统的蒙特卡罗积分只能静态模拟的缺陷。
1K20编辑于 2022-08-05 - 来自专栏探物及理
强化学习笔记2：Markov decision process(MDP)
马尔科夫过程（Markov Process，MP） 我们说一个state若满足 ，则其具有马尔可夫性，即该state完全包含了历史中的所有信息。 image.png 马尔科夫奖励过程（Markov Reward Process，MRP） image.png 解析解 image.png 马尔科夫决策过程（Markov Decision Process
1.1K20发布于 2020-08-31 - 来自专栏雷子说测试开发
测开之路--Markov代码简单阅读
在前面的文章测试之路------Markov平台环境搭建踩坑记我们介绍了平台搭建过程中踩坑的记录，接下来，我们去看下实现的代码。
46120发布于 2021-03-15 - 来自专栏图灵技术域
马尔科夫毯（Markov Blankets）
提到马尔可夫毯，就会有一堆从名字上看很相近的概念，比如马尔可夫链（Markov Chain, MC）、隐马尔可夫模型（Hidden Markov Model, HMM）、马尔可夫随机场（MarkovRandom
1.7K30发布于 2021-05-21 - 来自专栏深度学习自然语言处理
Hybrid semi-Markov CRF for Neural Sequence Labeling
对于命名实体识别任务，现有的模型基本已经能够达到很好的结果。近期，在ICLR 2018上提出了使用active learning，可以在少量数据集下得到较优结果（可以参见专栏文章）。除此之外，本文提出了使用联合学习的方式提升序列标注的结果，虽然效果没有超过使用额外信息的模型，但是在已有的不使用额外信息的模型中可以达到state-of-the-art的结果。
1.4K20发布于 2018-07-25 - 来自专栏探物及理
强化学习-2：Markov decision process(MDP)
马尔科夫过程（Markov Process，MP） 我们说一个state若满足 ，则其具有马尔可夫性，即该state完全包含了历史中的所有信息。 马尔科夫过程（Markov Reward Process，MRP） 在MP上加入了 奖励Reward 和 折扣系数\(\gamma\) ? 对于MDP，并不适用，因为\(\mathbb{P}\)非线性 马尔科夫决策过程（Markov Decision Process，MDP） MDP相对于MP加入了瞬时奖励 \(R\)(Immediate
94610发布于 2020-08-25 - 来自专栏技术猫屋
精读：Coverage-based greybox fuzzing as markov chain
图片 图片
61610编辑于 2023-01-03 - 来自专栏决策智能与机器学习
算法基础（17） | 强化学习 | Markov决策过程
2 马尔可夫决策过程 Markov决策过程（MDP）是一个离散时间的随机控制处理。MDP是我们迄今为止为AI代理的复杂环境建模的最佳方法。 这也称为Markov Property。对于强化学习，这意味着AI代理的下一个状态仅取决于最后一个状态而不是之前的所有先前状态。 ? 式1 马尔可夫过程是一个随机过程。
71610发布于 2020-08-04 - 来自专栏自学笔记
Hidden Markov ModelHMM隐马尔科夫模型
一般来讲，说到隐马尔科夫链其实就是隐含的状态序列了，markov链各个元素直接是存在了转化关系的，比如一开始是D6下一个状态是D4，D6，D8的概率都是1/3，这样设置平均值只是为了初始化而已，一般这种值其实是可以随意改变的 ⑤Hidden Markov Model代码实现 1.工具类的实现 class Tool(object): infinite = float(-2**31) @staticmethod
1.2K20发布于 2018-09-07 - 来自专栏雷子说测试开发
测试之路------Markov平台环境搭建踩坑记
Markov(阿里妈妈功能测试平台)是在测试转型大背景下自研的新一代功能测试平台。介绍可以查看官方开源地址。 spring.datasource.driver-class-name = com.mysql.cj.jdbc.Driver spring.datasource.url = jdbc:mysql://127.0.0.1:3306/markov_demo
1.2K30发布于 2021-03-15 - 来自专栏CreateAMind
马尔可夫范畴与熵 Markov Categories and Entropy
Markov Categories and Entropy 马尔可夫范畴与熵 https://arxiv.org/pdf/2212.11719 摘要 马尔可夫范畴是一种用于描述和处理概率论与信息论问题的新颖框架
9010编辑于 2026-03-11 - 来自专栏拓端tecdat
马尔可夫区制转移模型Markov regime switching
要了解模型的输出，让我们看一下 ## Markov Switching Model ## ## ## AIC BIC logLik ## 352.2843 366.705 本文摘选《R语言马尔可夫区制转移模型Markov regime switching》
2.2K20编辑于 2022-03-05 - 来自专栏气象学家
MCMC（Markov Chain Monte Carlo）的理解与实践（Python）
内容目录：MCMC（Markov Chain Monte Carlo）的理解与实践（Python） Markov Chain Monte Carlo (MCMC) methods are a class of algorithms for sampling from a probability distribution based on constructing a Markov chain that distribution so that each draw depends only on the state of the previous draw (i.e. the samples form a Markov MCMC（Markov Chain Monte Carlo）用MCMC采样算法实现对Beta 分布的采样 MCMC（Markov Chain Monte Carlo） ?
1.5K20发布于 2020-07-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号