Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
11111111.doc
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
3.87 Mб
Скачать

8(1). Формула Мэзона и её приложения.

Общая формула от одной входной вершины (исток) к выходной (сток) (для сигнальных графов) (топологическая формула Мэзона).

- веса - определитель графа

Сумма передач всех прямых путей от истока к стоку, умноженную на веса этих путей, деленное на определитель графов.

GiGj – те контура которые не касаются друг друга

Иначе, который может быть получен из исходного графа после исключения исходного прямого пути вместе с ребрами, которые касаются этого пути.

8(2).

Применение формулы Мэзона для решения СЛАУ.

Левая фигурная скобка 58

По b1 и b2 найти х1и х2 . Т.е. х1и х2сделать следствиями.

Левая фигурная скобка 57

И далее по формуле Мэзона.

9(1).Марковские процессы с ресурсными оценками. Алгоритм Байцера.

Ма́рковский проце́сс — случайный процесс, эволюция которого после любого заданного значения временного параметра t не зависит от эволюции, предшествовавшей t, при условии, что значение процесса в этот момент фиксировано («будущее» процесса не зависит от «прошлого» при известном «настоящем»).

Скрытая марковская модель (СММ) — статистическая модель, имитирующая работу процесса, похожего на марковский процесс с неизвестными параметрами, и задачей ставится разгадывание неизвестных параметров на основе наблюдаемых. СММ может быть рассмотрена как простейшая  Байесовская сеть доверия.

Диаграмма переходов в скрытой марковской модели (пример) x — скрытые состояния y — наблюдаемые результаты a — вероятности переходов b — вероятность результата

Структура скрытой марковской модели

В обычной Марковской модели состояние видимо наблюдателю, поэтому вероятности переходов — единственный параметр. В скрытой Марковской модели мы можем следить лишь за переменными, на которые оказывает влияние данное состояние.

Из диаграммы становится ясно, что значение скрытой переменной x(t) (в момент времени t) зависит только от значения скрытой переменной x(t − 1) (в момент t − 1). Это называется свойством Маркова.

Вероятность увидеть последовательность Y=y(0),y(1),…y(L-1)

 длины L равна P(Y)= P(Y|X)P(X), здесь сумма пробегает по всем возможным последовательностям скрытых узлов Х=х(0),х(1)...x(L-1). Метод подсчёта полным перебором значений P(Y) —очень трудоёмкий для многих задач из реальной жизни в силу того, что количество

9(2). возможных последовательностей скрытых узлов очень велико. Но применение процедуры вперёд-назад позволяет существенно увеличить скорость вычислений.

Алгоритм Байцера.

Могут появится неприятности в виде появления пятен:

по формуле

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]