Qualche esempio commerciale di utilizzo delle catene Markov?

Question

Quali casi aziendali esistono per l'utilizzo delle catene Markov? Ho visto il tipo di area di gioco di una catena markov applicata al blog di qualcuno per scrivere un post falso. Vorrei alcuni esempi pratici però? Per esempio. utile negli affari o nella previsione del mercato azionario o simili ...

Modifica : grazie a tutti coloro che hanno fornito esempi, ho votato ciascuno di essi perché erano tutti utili.
Modifica2 : ho selezionato la risposta con il maggior numero di dettagli come risposta accettata. Ho risposto a tutte le risposte.

Answer 1

Esiste una classe di metodi di ottimizzazione basati sui metodi Markov Chain Monte Carlo (MCMC). Questi sono stati applicati a una vasta gamma di problemi pratici, ad esempio signal & amp; applicazioni di elaborazione delle immagini per segmentazione e classificazione dei dati. Discorso & amp; riconoscimento delle immagini, analisi delle serie storiche, molti esempi simili derivano dalla visione artificiale e dal riconoscimento di schemi.

Answer 2

Quello ovvio: il PageRank di Google.

Answer 3

Modelli di Markov nascosti sono basati su una catena di Markov e ampiamente utilizzati nel riconoscimento vocale e soprattutto nella bioinformatica .

Answer 4

Ho visto email di spam che sono state chiaramente generate usando una catena Markov - certamente che si qualifica come "uso aziendale". :)

Answer 5

Usiamo l'analisi della catena dei file di registro per ricavare e promuovere collegamenti secondari e terziari a documenti altrimenti non correlati nel nostro sistema di aiuto (una raccolta di documenti di 10 milioni).

Ciò è particolarmente utile per colmare tassonomie altrimenti separate. per esempio. Documenti SQL e documenti IIS.

Answer 6

So che AccessData li usa nei loro strumenti forensi di cracking della password . Ti consente di esplorare prima le frasi password più probabili, con conseguente recupero più rapido della password (in media)

Answer 7

Le catene di Markov sono utilizzate da società di ricerca come Bing per dedurre la pertinenza dei documenti dalla sequenza di clic effettuati dagli utenti nella pagina dei risultati. Il comportamento dell'utente sottostante in una tipica sessione di query è modellato come una catena markov, con comportamenti particolari come transizioni di stato ...  ad esempio se il documento è pertinente, un utente può comunque esaminare più documenti (ma con una probabilità minore) oppure può esaminare più documenti (con una probabilità molto maggiore).

Answer 8

Esistono alcuni sistemi Ray Tracing commerciali che implementano Metropolis Light Transport (inventato da Eric Veach, fondamentalmente ha applicato gli hastings metropolitani al ray tracing), e anche Bi-Direzionale - e Campionamento dell'importanza- Path Tracers utilizzano le catene di Markov.

I testi in grassetto sono googlabili, ho omesso ulteriori spiegazioni per il bene di questa discussione.

Answer 9

Intendiamo utilizzarlo per l'inserimento di testo predittivo su un dispositivo portatile per l'inserimento di dati in un ambiente industriale. In una situazione con una dimensione del vocabolario ragionevole, le transizioni alla parola successiva possono essere suggerite in base alla frequenza. I nostri test iniziali suggeriscono che funzionerà bene per le nostre esigenze.

Answer 10

IBM ha CELM. Dai un'occhiata a questo link: http://www.research.ibm.com/journal/rd/ 513 / labbi.pdf

Answer 11

Di recente mi sono imbattuto in un blog di esempio sull'uso delle catene markov per la creazione di dati di test ...

http://github.com/emelski /code.melski.net/blob/master/markov/main.cpp

Answer 12

Il modello di Markov è un modo per descrivere un processo che attraversa una serie di stati.

Gli HMM possono essere applicati in molti campi in cui l'obiettivo è recuperare una sequenza di dati che non è immediatamente osservabile (ma dipende da alcuni altri dati su quella sequenza).

Le applicazioni comuni includono:

Analisi cripta, Riconoscimento vocale, Etichettatura parziale, Traduzione automatica, Previsione stock, Previsione genica, Allineamento di bio-sequenze, Riconoscimento gestuale, Riconoscimento di attività, Rilevamento del modello di navigazione di un utente su un sito Web .

Answer 13

Le catene di Markov possono essere utilizzate per simulare l'interazione dell'utente, ad esempio durante la navigazione del servizio.

Il mio amico stava scrivendo come riconoscimento di plagio diplomatico usando Markov Chains (ha detto che i dati di input devono essere libri interi per avere successo).

Potrebbe non essere molto "business", ma Markov Chains può essere utilizzato per generare nomi geografici e di persona fittizi, specialmente nei giochi di ruolo.

Answer 14

Le catene di Markov sono utilizzate nell'assicurazione sulla vita, in particolare nel modello di invalidità permanente. Ci sono 3 stati

• 0 - La vita è sana
• 1 - La vita diventa disabilitata
• 2 - La vita muore

In un modello di invalidità permanente l'assicuratore può pagare una sorta di indennità se l'assicurato diventa invalido e / o l'indennità di assicurazione sulla vita quando l'assicurato muore. La compagnia assicurativa probabilmente eseguirà una simulazione monte carlo basata su questa catena di Markov per determinare il probabile costo della fornitura di tale assicurazione.