Искусственные нейронные сети и марковские процессы
Я прочитал немного о ANN и Марковском процессе. Может кто-нибудь, пожалуйста, помогите мне понять, где именно марковский процесс вписывается в ANN и генетические алгоритмы. Или просто, какова может быть роль марковских процессов в этом сценарии.
Большое спасибо
2 ответа
Марковский процесс и искусственные нейронные сети - это совершенно разные понятия.
Марковские процессы описывают любые события, которые следуют определенному статистическому свойству. Точно так же слова "гауссовский" или "случайный" описывают определенный набор событий в терминах его статистического свойства.
Искусственная нейронная сеть - это алгоритм, который помогает решать ваши проблемы, и который на самом деле не связан с марковскими процессами. Вы можете подумать о скрытых марковских моделях, которые также являются алгоритмом. HMM предполагает, что базовая система представляет собой марковский процесс со скрытыми состояниями.
Принятый ответ правильный, но я просто хотел добавить пару деталей.
Марковский процесс - это любая система, которая случайным образом проходит через ряд состояний таким образом, что, если вы знаете текущее состояние, вы можете предсказать вероятность каждого из следующих возможных состояний. Типичным примером является погода; если сейчас солнечно, вы можете предсказать, что оно, вероятно, будет солнечным позже, независимо от предыдущей погоды.
Генетический алгоритм - это тот, который начинается с генерации множества произвольных случайных решений данной проблемы. Затем он проверяет эти решения, чтобы увидеть, насколько они хороши. "Плохие" решения отбрасываются, "хорошие" решения сохраняются и объединяются, чтобы сформировать (надеюсь) лучшие решения, точно так же, как успешные представители вида, порождающего новое поколение. Теоретически, повторение этого процесса даст лучшие и лучшие решения, пока у вас не появится оптимальное решение.
Как видите, они не связаны алгоритмически. Однако генетические алгоритмы часто используются для генерации скрытых марковских моделей, например, здесь. Основная идея состоит в том, что HMM инициализируется со случайными весами, через него проходит "обучающий набор" связанных марковских процессов, и весы корректируются, чтобы дать членам обучающего набора самую высокую вероятность возникновения. Это часто делается в программном обеспечении для распознавания речи.