Gestalte GoConqr mit. Was sollen wir als Nächstes hinzufügen?

Mindmap

Markov Chain

Michel Jordan Valencia Spanisch

Markov Chain

Inhalt der Mindmap

Markov Chain

  1. Es un grafo cíclico ponderado, el cual cada nodo es un estado, y la transición de estados es por medio de probabilidades

    • Características
      • La decisión depende únicamente del estado actual, es decir, no tienen memoria.
      • La suma de todas las probabilidades de transición de un estado es igual 1.
      • La probabilidad de transición solo debe depender del estado actual.
    • Se representa por una matriz de probabilidades entre estados.
  2. Una cadena de Markov es un proceso estocástico en el cual solo se considera el estado actual y la probabilidad de transición para tomar una decisión.

    • Proceso estocástico: Es caracterizar una sucesión de variables aleatorias (estocásticas) que evolucionan en función de otra variable, generalmente el tiempo
  3. Historia

    • Markov estaba interesado en estudiar una extensión de secuencias aleatorias independientes, para demostrar que su rival Pavel Nekrasov, quien afirmó que la independencia era necesaria para que la ley de los grandes números se mantuviera, estaba equivocado.
    • Andrei Andreevich Markov matemático russo, desarrollló está teoría de 1905 a 1913.
    • En su primer artículo sobre cadenas de Markov, publicado en 1906, Markov demostró que bajo ciertas condiciones los resultados convergerían a un vector fijo de valores, demostrando así una ley de grandes números sin el la suposición de independencia.
    • En 1913, uso su teoría para estudiar la distribución de las vocales en el poema "Eugene Onegin", escrito por Alexander Pushkin.
  4. Aplicaciones

    • Reconocimiento de Voz, para saber cual es la siguiente palabra que se va a decir, solo tomando en consideración la última que se dijo
      • Esto por medio de una Hidden Markov Chain (HMC), en la cual no se conocen todos los estados a los que se puede mover.
    • PageRank el algoritmo usado por Google para determinar la probabilidad de que visites otra página, donde cada página es un estado y los links son las transiciones.
    • En estadística para resolver problemas de distribuciones que son muy complejos o que con otros métodos no se pueden modelar.
      • Por medio de Markov Chain Monte Carlo (MCMC) la cual se basa en muestras de una distribución de probabilidad.
    • Finanzas para modelar el comportamiento del precio de las acciones
  5. Algunos autores no la consideran como una RNA ya que no tiene proceso de aprendizaje, pero la toman en cuenta dentro del campo, ya que es e fundamento teórico para otras RNAs como Hopfield Network y Máquina de Boltzmann.

  6. Hay implementaciones en línea que se pueden tomar como referencia para construir una que resuelva nuestro problema. Las que presento son para análisis de texto.

    • Python
      • github.com/brenns10/markov
    • Matlab
      • www.mathworks.com/help/econ/dtmc.html
    • C++
      • www.codeproject.com/Articles/808292/Markov-chain-implementation-in-Cplusplus-using-Eig

Bilder und Dateien der Mindmap

  • Markov Chain
  • Markov Chain

Informationen

Beschreibung
Mindmap am Markov Chain, erstellt von Michel Jordan Valencia am 15/03/2018.
Aufrufe
2
Bewertung

Mehr zu Cadenas y procesos de Markov

Feedback

Worum geht es?

Was sollen wir als Nächstes hinzufügen?