任何企业的实例,使用的马尔科夫连锁?
-
02-07-2019 - |
题
什么业务的情况下是有用马尔科夫锁链?我已经看到的那种游乐区的一个马尔科夫链施加于某人的博客写一个假的员额。我想要一些实际的例子吗?E.g。用于业务或预测的股票市场,或者就像...
编辑:感谢所有谁给的例子,我投赞成票的每一个,因为他们都是有用的。
Edit2:我选择的回答的大多数详细说明为接受的答案。所有的答案我投赞成票。
解决方案
基于马尔可夫链蒙特卡罗(MCMC)方法,有一类优化方法。这些已经应用于各种实际问题,例如信号和信号。图像处理应用程序进行数据分割和分类。演讲与演讲图像识别,时间序列分析,许多类似的例子来自计算机视觉和模式识别。
其他提示
显而易见的一个:谷歌的PageRank。
隐马模型 是基于在马尔科夫链和广泛使用语音识别和特别是生物信息学。
我看过使用马尔可夫链明确生成的垃圾邮件 - 当然有资格作为“商业用途”。 :)
我们使用日志文件链分析来推导和推广我们的帮助系统(10米文档的集合)中与其他无关文档的二级和三级链接。
这特别有助于弥合其他单独的分类法。例如SQL文档与IIS文档。
我知道AccessData在其取证密码破解工具中使用它们。它可以让您首先探索更可能的密码短语,从而加快密码恢复速度(平均而言)。
像bing这样的搜索公司使用马尔可夫链来推断用户在结果页面上点击的文档的相关性。典型查询会话中的基础用户行为被建模为马尔可夫链,特定行为为状态转换... 例如,如果文档是相关的,则用户仍然可以检查更多文档(但概率更小),否则他可以检查更多文档(概率更大)。
有一些商业光线追踪系统实施大都会光传输(由Eric Veach发明,基本上他将大城市的hastings应用于光线追踪),还有双向 - 和重要性 - 采样 - 路径追踪器使用Markov-Chains。
粗体文本是可转换的,为了这个帖子,我省略了进一步的解释。
我们计划将其用于手持设备上的预测文本输入,以便在工业环境中输入数据。在具有合理词汇量的情况下,可以基于频率建议到下一个词的转换。我们的初步测试表明,这将很好地满足我们的需求。
IBM有CELM。看看这个链接: http://www.research.ibm.com/journal/rd/ 513 / labbi.pdf
我最近偶然发现了使用马尔可夫链创建测试数据的博客示例......
http://github.com/emelski /code.melski.net/blob/master/markov/main.cpp
马尔可夫模型是描述经历一系列状态的过程的一种方式。
HMM可以应用于许多领域,其目标是恢复不能立即观察到的数据序列(但取决于该序列上的一些其他数据)。
常见应用包括:
密码分析,语音识别,词性标注,机器翻译,股票预测,基因预测,生物序列比对,手势识别,活动识别,检测网站上用户的浏览模式的
Markov Chains可用于模拟用户交互,例如。浏览服务时。
我的朋友正在使用Markov Chains写作diplom work plagiat recognision(他说输入数据必须是全书才能成功)。
它可能不是非常'商业',但Markov Chains可用于生成虚构的地理和人名,尤其是在角色扮演游戏中。
马尔科夫链是用于人寿保险,特别是在永久性残疾的模式。有3个国家
- 0-生命是健康的
- 1-的生活变得无障碍
- 2-生活死去
在一个永久的残疾模式的保险人可能支付某种好处,如果被保险人成为残疾人和/或人寿保险受益,当被保险人死亡。保险公司就有可能运行蒙特卡洛的模拟为基础,这Markov链,以确定可能的成本提供这种保险。