유한 상태 머신은 마코프 체인의 구현 일 뿐입니 까? 둘의 차이점은 무엇입니까?
답변:
마르코프 체인은 유한 상태 머신으로 표현 될 수 있습니다. 아이디어는 Markov 체인이 시간 t + 1에서 상태로의 전환이 시간 t에서의 상태에만 의존하는 프로세스를 설명한다는 것입니다. 명심해야 할 중요한 점은 Markov 체인의 전환이 결정적 이라기보다는 확률 적이라는 것입니다. 즉, 시간 t + 1에서 일어날 일을 항상 완벽하게 확실하게 말할 수는 없습니다.
유한 상태 머신 에 대한 Wikipedia 기사 에는 Finite Markov-chain 프로세스 에 대한 하위 섹션이 있습니다. 자세한 내용은 해당 항목을 읽어 보는 것이 좋습니다. 또한 Markov 체인 에 대한 Wikipedia 기사에는 Markov 체인 을 나타내는 유한 상태 머신의 사용을 설명하는 간단한 문장이 있습니다. 그 내용은 다음과 같습니다.
유한 상태 머신은 마르코프 체인의 표현으로 사용될 수 있습니다. 일련의 독립적이고 동일하게 분포 된 입력 신호 (예 : 동전 던지기에 의해 선택된 이진 알파벳의 기호)를 가정 할 때 기계가 시간 n에서 상태 y에 있으면 시간 n + 1에서 상태 x로 이동할 확률 현재 상태에만 의존합니다.
마르코프 체인은 유한 상태 머신이지만, 전이가 확률 적, 즉 임의적이며 확률로 설명되는 것으로 구별됩니다.
둘은 비슷하지만 여기에있는 다른 설명은 약간 잘못되었습니다. FINITE Markov 체인 만 FSM으로 나타낼 수 있습니다. 마르코프 체인은 무한한 상태 공간을 허용합니다. 지적했듯이 Markov 체인의 전이는 확률로 설명되지만 전이 확률은 현재 상태에만 의존 할 수 있음을 언급하는 것도 중요합니다. 이러한 제한이 없으면 "이산 시간 확률 적 프로세스"라고합니다.
다음 문서를 읽으십시오.
확률 적 오토마타와 은닉 마르코프 모델 간의 링크 (Pierre Dupont 작성) http://www.info.ucl.ac.be/~pdupont/pdupont/pdf/HMM_PA_pres_n4.pdf
[뇌 이론 및 신경망 핸드북] 은닉 마르코프 모델 및 시퀀스 처리를위한 기타 유한 상태 오토마타 http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.85.3344&rep=rep1&type=pdf
나는 이것이 당신의 질문에 답할 것이라고 믿습니다.
https://en.wikipedia.org/wiki/Probabilistic_automaton
그리고, 당신은 올바른 생각을하고 있습니다-그것들은 사슬이나 기계를 설명하는 형용사에 따라 거의 동일하고, 부분 집합, 상위 집합 및 수정입니다. Automata는 일반적으로 입력을 받지만 입력과 함께 'Markov-chains'를 사용하는 논문이 있다고 확신합니다.
가우스 분포 대 정규 분포를 생각하십시오-같은 아이디어는 다른 분야입니다. Automata는 컴퓨터 과학에 속하고 Markov는 확률과 통계에 속합니다.