馬爾可夫過程（以馬爾科夫鏈Markov為例） 馬爾可夫過程 馬爾可夫過程的大概意思就是未來只與現在有關，與過去無關。 簡單理解就是渣男只在乎下一刻會不會愛你只取決於這一時刻對你的新鮮感，而與你之前對這段感情的付出毫無關系。 設有一個隨機過程X（t），如果對於下一個任意的時間序列 ...

馬爾科夫隨機場（MRF）模型是一種描述圖形結構的概率模型，是一種較好的描述紋理的方法。它是建立在MRF模型和Bayes估計的基礎上，按照統計決策和估計理論中的最優准則確定問題的解。其突出的特點是通過適當定義的鄰域系統引入結構信息，提供了一種一般用來表達空間上相關隨機變量之間相互作用的模型，由此所生 ...

舉一個經典的例子，社會學家經常把人按其經濟狀況分成3類：下層、中層、上層，我們用1,2,3 分別代表這三個階層。社會學家們發現決定一個人的收入階層的最重要的因素就是其父母的收入階層。如果一個人的收入屬 ...

1.馬爾科夫性 系統的下一個狀態僅與當前狀態有關，與以前的狀態無關。 定義：狀態st是馬爾科夫的，當且僅當P[st+1|st]=P[st+1|s1……st],當前狀態st其實是蘊含了所有相關的歷史信息，一旦當前信息已知，歷史信息會被拋棄。 2.馬爾科夫過程 是一個二元組，包括狀態機 ...

之前的狀態。 2. 馬爾科夫過程 馬爾科夫過程是隨機過程的一種，隨機過程是對一連串隨機變量(或事件 ...

寫在前面的話：從今日起，我會邊跟着硅谷大牛Siraj的MOVE 37系列課程學習Reinforcement Learning(強化學習算法)，邊更新這個系列。課程包含視頻和文字，課堂筆記會按視頻 ...

1. 引言 0x1：人生就是一個馬爾科夫穩態 每一秒我們都在做各種各樣的選擇，要吃青菜還是紅燒肉、看電影還是看書、跑步還是睡覺，咋一看起來，每一個選擇都是隨機的，而人生又是由無數個這樣的隨機選擇組成的結果。從這個前提往下推導，似乎可以得出一個結論，即人生是無常的，未來是不可預測的。但事實真的 ...

1. Introduction 第一次接觸到 Markov Chain Monte Carlo (MCMC) 是在 theano 的 deep learning tutorial 里面講解到的 R ...