Публикации по теме 'markov-chains'


Прогрессии
Прогрессии Использование цепей Маркова для извлечения сходства песен Вы отправляетесь в путешествие с друзьями, и в плейлисте есть знаковое вступление к Ice Ice Baby . К этому моменту вы потренировались в душе тысячи раз; это ваш большой прорыв. Вступление заканчивается, вы начинаете интенсивный рэп только для того, чтобы услышать: «Мм ба ба де Ммм ба де…» - Королева Это Under Pressure от Queen, и вы сидите в неловкой тишине всю оставшуюся поездку, под давлением смирения...
Цепь Маркова Монте-Карло
Повышение вашего понимания MCMC до среднего уровня Когда я изучал цепь Маркова Монте-Карло (MCMC), мой инструктор сказал нам, что есть три подхода к объяснению MCMC. «Базовый : MCMC позволяет нам использовать компьютеры для сбора байесовской статистики. Промежуточный : MCMC - это метод, который может найти апостериорное распределение интересующего нас параметра. В частности, этот тип алгоритма генерирует моделирование Монте-Карло способом, основанным на свойстве Маркова, а затем..
Методы аппроксимации Монте-Карло: какой из них выбрать и когда?
Это обратное преобразование, случайное блуждание Метрополис-Гастингс или Гиббс? Анализ, сосредоточенный на математической основе, реализации Python с нуля и плюсах и минусах каждого метода. Введение в аппроксимационную выборку Для большинства вероятностных моделей, представляющих практический интерес, точный вывод невозможен, и поэтому нам приходится прибегать к той или иной форме аппроксимации. — Распознавание образов и машинное обучение¹ Поскольку детерминированный вывод..
NLP: тегирование частей речи (POS) с помощью HMM
Что такое POS-теги? Маркировка части речи (POS) — это процесс присвоения части речи слову. Например, предложение «Я иду домой» помечено следующим образом. Я (личное местоимение — ПРП) идти (глагол — ВБ) дом (наречие - РБ) Список тегов и аббревиатур см. в этом списке от UPenn . Приложения Распознавание именованных объектов — используйте POS, чтобы понять, какая часть текста должна быть помечена как именованный объект. Разрешение кореферентности — выяснить, к какому объекту..
Сможете ли вы отличить «Поминки по Финнегану» от полной чепухи?
Если вы не знакомы с цепями Маркова, не корите себя за это. Их простейшее резюме слишком простое ( состояние, которое может быть немедленно выведено из более раннего состояния , спасибо Википедии !) и все же их реальные приложения ужасно сложны. Между ними не так много. Они существуют уже некоторое время, но получили широкое признание только недавно, поскольку вычислительная мощность, наконец, становится достаточно дешевой, чтобы вычислять огромные, действительно интересные состояния..
Работа с веб-приключениями веб-приложений (сгенерированных машиной)
Этот пост был написан цепью Маркова . Подробнее о том, как и зачем он был построен, можно прочитать здесь . Это означало, что не вся методика «Свобода» у нас тоже есть на нескольких языках. Есть некоторые недостатки в таком простом пинге для основного тома, сообщающего об этом API. Маршрутизация наших бэкэндов Я упоминал бэкенды несколько месяцев назад, и теперь у вас не два путешествия, а, может быть, дюжина. Он прост, удобен в использовании, их правильное использование требует..
Автоматический генератор твитов с цепью Маркова для повторной выборки несбалансированного набора данных
Использование цепей Маркова для повторной выборки меньшинства в наборе данных дало многообещающие результаты! Несбалансированный корпус или набор данных всегда был проблемой для стипендиатов по машинному обучению. Несбалансированность означает, что не все классы в наборе данных имеют одинаковый размер, может быть смещение к одному или нескольким классам (большинство) по сравнению с другими менее представленными классами (меньшинство). В задаче анализа настроений набор обучающих..