人工神经网络和马尔可夫过程

Question

我读了一些关于人工神经网络和马尔可夫过程的文章。有人可以帮助我理解Markov过程在ANN和遗传算法中的确切位置。或者简单地说，马可夫过程在这种情况下可能起什么作用。

非常感谢

Answer 1

接受的答案是正确的，但我只是想补充一些细节。

马尔可夫过程是指以一种方式随机经历一系列状态的任何系统，如果您知道当前状态，则可以预测每种可能的下一状态的可能性。一个常见的例子是天气;如果它现在是晴天，你可以预测它可能会在以后晴天，无论以前的天气如何。

遗传算法是通过为给定问题生成一堆任意随机解决方案开始的算法。然后检查这些解决方案，看看它们有多好。 “坏”解决方案被丢弃，“好”解决方案被保留并组合在一起形成（希望）更好的解决方案，就像培育新一代的物种的成功成员一样。从理论上讲，重复这个过程会提供更好，更好的解决方案，直到最终得到最佳解决方案。

如您所见，它们与算法无关。然而，遗传算法通常用于生成隐马尔可夫模型，例如here。基本思想是用随机权重初始化HMM，运行相关马尔可夫过程的“训练集”，并调整权重以使训练集的成员具有最高的发生概率。这通常在语音识别软件中完成。

Answer 2

马尔可夫过程和人工神经网络是完全不同的概念。

马尔可夫过程描述了遵循某种统计特性的任何事件。同样，单词“高斯”或“随机”根据其统计特性描述某组事件。

人工神经网络是一种有助于解决问题的算法，与马尔可夫过程无关。您可能会想到Hidden Markov Models这也是一种算法。 HMM假设底层系统是具有隐藏状态的马尔可夫过程。