日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 人工智能 > 循环神经网络 >内容正文

循环神经网络

状态转移矩阵 matlab,用不同状态序列长度估计MATLAB中的马尔可夫链转移矩阵

發布時間:2024/3/26 循环神经网络 58 豆豆
生活随笔 收集整理的這篇文章主要介紹了 状态转移矩阵 matlab,用不同状态序列长度估计MATLAB中的马尔可夫链转移矩阵 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

所以對于馬爾可夫鏈,我假設你只對狀態轉換感興趣.您可以將所有狀態轉換分組為單個Nx2矩陣,然后計算行出現的次數.

對于這個例子,我使用三個長度為4,3和3的觀察.我可以使用cellfun以下列方式將所有狀態轉換組合在一個矩陣中:

obs = cell(1, 3);

obs(1) = {[1 2 3 4]};

obs(2) = {[4 5 6]};

obs(3) = {[3 4 5]};

transitions = cellfun(@(x)([x(1:length(x)-1); x(2:length(x))]), obs, 'UniformOutput', false);

alltransitions = cell2mat(transitions)';

這給了我觀察到的轉變(1-> 2,2-> 3,3-> 4 ……):

alltransitions =

1 2

2 3

3 4

4 5

5 6

3 4

4 5

要設置轉換矩陣,您可以獲取此處列出的建議,并計算所有轉換的行數:

[uniqueTransitions, ~, i]=unique(alltransitions,'rows','stable');

v=arrayfun(@(x) sum(i==x),1:size(uniqueTransitions,1))';

p = v/sum(v);

我的向量p包含我的轉移概率,因此我可以繼續構建稀疏矩陣

transitionMatrix = sparse(uniqueTransitions(:,1), uniqueTransitions(:,2), p, 6,6)

這導致:

transitionMatrix =

(1,2) 0.1429

(2,3) 0.1429

(3,4) 0.2857

(4,5) 0.2857

(5,6) 0.1429

總結

以上是生活随笔為你收集整理的状态转移矩阵 matlab,用不同状态序列长度估计MATLAB中的马尔可夫链转移矩阵的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。