一种基于DPNN的Markov链等效状态转移模型

• 作者: 李欢 许少华 谢桐瑜
• 来源期刊: 大庆石油学院学报
• 学科: 工学
• 关键词: Markov链 状态转移 离散过程神经元网络 学习算法 应用
• 年，卷（期）: 2008,（4）
• 所属期刊栏目: 专题研究
• 页码范围: 114-117
• 页数: 4页
• 分类号: TP183
• 字数: 3638字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-4107.2008.04.032

摘要

针对Markov链状态转移预测,提出一种基于离散过程神经元网络(DPNN)的等效状态转移预测方法和模型,探讨DPNN与Markov模型在一定条件下对于系统状态转移特性描述的等价性问题.利用DPNN对时间序列样本的非线性映射机制和自适应学习能力,可通过对时间序列样本集的训练,确定满足Markov链时间序列状态转移约束关系的DPNN,并将其连接权矩阵作为Markov链等效状态转移矩阵.对于任意的Markov链,给出与之等效DPNN的构建方法和在Markov链状态转移概率条件约束下的网络权值矩阵求解算法,仿真实验结果验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许少华	大庆石油学院计算机与信息技术学院	68	929	15.0	27.0
2	李欢	大庆石油学院计算机与信息技术学院	1	0	0.0	0.0
3	谢桐瑜	大庆石油学院计算机与信息技术学院	1	0	0.0	0.0