会员服务
马尔可夫链，因安德烈·马尔可夫（A.A.Markov，1856－1922）得名，是指数学中具有马尔可夫性质的离散事件随机过程。该过程中，在给定当前知识或信息的情况下，过去（即当前以前的历史状态）对于预测将来（即当前以后的未来状态）是无关的。 在马尔可夫链的每一步，系统根据概率分布，可以从一个状态变到另一个状态，也可以保持当前状态。状态的改变叫做转移，与不同的状态改变相关的概率叫做转移概率。随机漫步就是马尔可夫链的例子。随机漫步中每一步的状态是在图形中的点，每一步可以移动到任何一个相邻的点，在这里移动到每一个点的概率都是相同的（无论之前漫步路径是如何的）。
Graph-Based Product Form
Arxiv
0+阅读 · 10月31日
Gibbs sampling for Bayesian P-splines
Gibbs sampling for Bayesian P-splines
Arxiv
0+阅读 · 10月31日
Estimating MCMC convergence rates using common random number simulation
Arxiv
0+阅读 · 10月30日
Wasserstein Rate Driven CLTs for Markov Chains with Weighted Lipschitz, Sobolev, and Stein Test Functions
Arxiv
0+阅读 · 10月30日
Wasserstein Rate-Driven CLTs for Markov Chains with Weighted Lipschitz and Sobolev Extensions
Arxiv
0+阅读 · 10月27日
Convergence of off-policy TD(0) with linear function approximation for reversible Markov chains
Arxiv
0+阅读 · 10月29日
Kemeny's constant minimization for reversible Markov chains via structure-preserving perturbations
Kemeny's constant minimization for reversible Markov chains via structure-preserving perturbations
Arxiv
0+阅读 · 10月28日
Monotonically Decreasing the Number of Directed 3-Cycles via Edge-Flips?
Arxiv
0+阅读 · 10月26日
Central Limit Theorems for Transition Probabilities of Controlled Markov Chains
Arxiv
0+阅读 · 10月24日
Feel-Good Thompson Sampling for Contextual Bandits: a Markov Chain Monte Carlo Showdown
Arxiv
0+阅读 · 10月24日
Algorithmic Randomness in Continuous-Time Markov Chains
Arxiv
0+阅读 · 10月18日
Discrete Neural Flow Samplers with Locally Equivariant Transformer
Arxiv
0+阅读 · 10月21日
A Markov-Chain Characterization of Finite-State Dimension and a Generalization of Agafonov's Theorem
Arxiv
0+阅读 · 10月21日
Wild regenerative block bootstrap for Harris recurrent Markov chains
Arxiv
0+阅读 · 10月20日
Deep Self-Evolving Reasoning
Arxiv
0+阅读 · 10月20日
参考链接
父主题
概率图模型
微信扫码咨询专知VIP会员
Top