Ist eine endliche Zustandsmaschine nur eine Implementierung einer Markov-Kette? Was sind die Unterschiede zwischen den beiden?
Antworten:
Markov-Ketten können durch endliche Zustandsmaschinen dargestellt werden. Die Idee ist, dass eine Markov-Kette einen Prozess beschreibt, bei dem der Übergang in einen Zustand zum Zeitpunkt t + 1 nur vom Zustand zum Zeitpunkt t abhängt. Die Hauptsache ist, dass die Übergänge in einer Markov-Kette eher probabilistisch als deterministisch sind, was bedeutet, dass Sie nicht immer mit absoluter Sicherheit sagen können, was zum Zeitpunkt t + 1 passieren wird.
Die Wikipedia-Artikel über Maschinen mit endlichen Zuständen enthalten einen Unterabschnitt über Prozesse der endlichen Markov-Kette . Ich würde empfehlen, diesen für weitere Informationen zu lesen. Der Wikipedia-Artikel über Markov-Ketten enthält einen kurzen Satz, der die Verwendung von Finite-State-Maschinen zur Darstellung einer Markov-Kette beschreibt. Das heißt:
Eine endliche Zustandsmaschine kann als Darstellung einer Markov-Kette verwendet werden. Unter der Annahme einer Folge unabhängiger und identisch verteilter Eingangssignale (z. B. Symbole aus einem durch Münzwürfe ausgewählten binären Alphabet) ist die Wahrscheinlichkeit, dass sich die Maschine zum Zeitpunkt n + 1 in den Zustand x bewegt, wenn sie sich zum Zeitpunkt n im Zustand y befindet hängt nur vom aktuellen Zustand ab.
Während eine Markov-Kette eine endliche Zustandsmaschine ist, zeichnet sie sich dadurch aus, dass ihre Übergänge stochastisch, dh zufällig sind und durch Wahrscheinlichkeiten beschrieben werden.
Die beiden sind ähnlich, aber die anderen Erklärungen hier sind etwas falsch. Nur FINITE Markov-Ketten können durch ein FSM dargestellt werden. Markov-Ketten ermöglichen einen unendlichen Zustandsraum. Wie bereits erwähnt, werden die Übergänge einer Markov-Kette durch Wahrscheinlichkeiten beschrieben, es ist jedoch auch wichtig zu erwähnen, dass die Übergangswahrscheinlichkeiten nur vom aktuellen Zustand abhängen können. Ohne diese Einschränkung würde es als "zeitdiskreter stochastischer Prozess" bezeichnet.
Bitte lesen Sie diese Papiere:
Verknüpfungen zwischen probabilistischen Automaten und Hidden-Markov-Modellen (von Pierre Dupont) http://www.info.ucl.ac.be/~pdupont/pdupont/pdf/HMM_PA_pres_n4.pdf
[Das Handbuch der Gehirntheorie und neuronaler Netze] Versteckte Markov-Modelle und andere endliche Zustandsautomaten für die Sequenzverarbeitung http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.85.3344&rep=rep1&type=pdf
Ich glaube, das sollte Ihre Frage beantworten:
https://en.wikipedia.org/wiki/Probabilistic_automaton
Und Sie sind auf dem richtigen Weg - sie sind fast gleich, Teilmengen, Obermengen und Modifikationen, je nachdem, welches Adjektiv die Kette oder den Automaten beschreibt. Automaten nehmen normalerweise auch eine Eingabe entgegen, aber ich bin sicher, dass es Papiere gegeben hat, die 'Markov-Ketten' mit Eingaben verwenden.
Denken Sie an Gaußsche Verteilung vs. Normalverteilung - gleiche Ideen, verschiedene Bereiche. Automaten gehören zur Informatik, Markov zur Wahrscheinlichkeit und Statistik.
Wenn Sie die inneren Arbeitsdetails beiseite lassen, ist die endliche Zustandsmaschine wie ein einfacher Wert, während die Markov-Kette wie eine Zufallsvariable ist (fügen Sie die Wahrscheinlichkeit über den einfachen Wert hinzu). Die Antwort auf die ursprüngliche Frage lautet also nein, sie sind nicht gleich. Im probabilistischen Sinne ist die Markov-Kette eine Erweiterung der Finite-State-Maschine.
Ich denke, die meisten Antworten sind nicht angemessen. Ein Markov-Prozess wird von einer (probablistischen) endlichen Zustandsmaschine erzeugt, aber nicht jeder Prozess, der von einer probablistischen endlichen Zustandsmaschine erzeugt wird, ist ein Markov-Prozess. Beispielsweise sind Hidden-Markov-Prozesse im Grunde dieselben wie Prozesse, die von probabilistischen Finite-State-Maschinen erzeugt werden, aber nicht jeder Hidden-Markov-Prozess ist ein Markov-Prozess.