XiaoMi-AI文件搜索系统
World File Search SystemMarkov
一种新的基于马尔可夫决策过程的行为预测...
摘要 为保证飞机正常、稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，其得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。鉴于此，飞机座舱自动化辅助系统已成为当今的研究热点。本文基于自动化辅助系统启动后，通过飞行操作的不同阶段，可以预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为及飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process，马尔可夫决策过程）模型，并采用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和驾驶舱自适应自动化辅助系统的侵入性提供了新的解决方案。
嵌套自我组织和共享马尔可夫毛毯...
免疫系统是人类有机功能的核心组成部分。本文解决了生物系统的自组织，并嵌套在怀孕中的其他生物系统中。妊娠构成了人类实施的基本状态，也是我们物种进化和保护的关键步骤。并非所有人类都可以怀孕，但我们在另一个人的身体内的最初出现和生长状态是普遍的。因此，怀孕的状态并不关心某些人，而是所有人。的确，妊娠中的分层关系反映了胚胎中更早的自动植物过程，通过该过程，单个胚泡中的个体数量由细胞 - 相互作用动态地确定。怀孕期间两个自组织系统之间的关系和相互作用可能在理解
确定解决马尔可夫决策过程的有效方法
我们在这里考虑马尔可夫决策过程（MDPS），总体知识是已知的过渡和奖励功能。主要有两种有效的方法，可以使用基于模型的方法来精确求解MDP：动态编程或线性程序，如[11]中所述。确定解决MDP问题的最有效方法一直是文献研究的主题。有关全面的审查，请参阅[1]以及[11，9]。根据[11]，有人认为，基于价值的算法（例如价值迭代（VI）及其变体）并不像基于政策的方法那样实用，因此建议避免使用。另一方面，对基于策略的方法进行了比较下注政策迭代（PI）和政策迭代（PIM）尚不清楚，尽管后者似乎更有效[11]。早期的发现表明，线性编程方法不适合解决此类问题，这主要是由于求解器的速度慢[9]。尽管如此，文献中的比较研究有限，截至2007年，这个问题仍未解决[10]。随着线性编程求解器（例如Gurobi或cplex）的性能不断提高，以及并行化可能性的进步，对求解方法的定期重新评估变得相关。因此，在[1]的研究中，对线性编程和政策迭代的性能进行了比较分析，是对特定的马尔可夫决策过程（MDP）模型进行的，重点介绍了预期的总奖励标准。非零条目的1％。所考虑的MDP的特征是较大的状态空间（基数至少为2000），并且表现出各种动作选择（范围为2至500）。值得注意的是，所有过渡矩阵都高度稀疏，仅包含1％和0。先前的研究采用内点方法来解决线性程序。他们认为线性编程（LP）优于策略迭代（PI），并且对于特定模型而言，这显着。必须注意，[1]检查的模型类别在文献中很普遍，尤其是在给定状态下可能的转移数量的网络问题中。尽管如此，该研究仍具有一定的局限性。首先，即使这些方法可能会超过速度上的标准PI，但它并未考虑修改策略迭代及其变体。其次，研究中采用的LP解决方法仅提供政策而不是政策和价值观，就像动态编程一样。最后，其结论对更稀疏或其他操作标准的更广泛案例的概括性仍然不确定。这项工作的目的是找出线性编程在更一般的情况下是否仍然是一种有效的工具，并且在哪些条件（状态空间和行动空间维度，稀疏性）下找到使用动态编程仍然有效。
隐藏的马尔可夫链和田地，在Riemannian歧管中进行观测
[1] R. J. Elliot，L。Aggoun和J.B. Moore。 隐藏的马尔可夫模型：估计和控制。 Springer Science+商业媒体，1995年。 [2] O. Capp´e，E。Moulines和T. Ryd´en。 在隐藏的马尔可夫模型中推断。 Springer Science+商业媒体，2005年。 [3] L. R. Rabiner。 关于隐藏的马尔可夫模型和语音识别中选定应用的教程。 （在语音识别中的读数中）。 Morgan Kaufmann Publishers，Inc，1990。 [4] R. Durbin，S。Eddy，A。Krogh和G. Mitchison。 生物序列分析。 剑桥大学出版社，1998年。 [5] S. Z，li。 图像分析中的马尔可夫随机字段建模。 Springer Publishing Company，2009年。 [6] A. Zare，M。Jovanovic和T. Georgiou。 湍流的颜色。 流体力学杂志，812：630–680，2017。 [7] B. Jeuris和R. Vandebril。 带有toeplitz结构块的块toeplitz矩阵的khler平均值。 SIAM关于矩阵分析和应用的杂志，37：1151–1175，2016。 [8] A. Barachant，S。Bonnet，M。Congedo和C. Jutten。 通过Riemannian几何形状进行多类脑部计算机界面分类。 IEEE生物培训工程交易，59：920–928，2012。 [9] O. Tuzel，F。Porikli和P. Meer。 通过分类的人行人进行探测。 IEEE关于模式分析和机器智能的交易，30：1713–1727，2008。 [10] S. Said，H。Hajri，L。Bombrun和B. C. Ve-Muri。 熵，2016年18月18日。B. Moore。隐藏的马尔可夫模型：估计和控制。Springer Science+商业媒体，1995年。[2] O. Capp´e，E。Moulines和T. Ryd´en。在隐藏的马尔可夫模型中推断。Springer Science+商业媒体，2005年。[3] L. R. Rabiner。关于隐藏的马尔可夫模型和语音识别中选定应用的教程。（在语音识别中的读数中）。Morgan Kaufmann Publishers，Inc，1990。[4] R. Durbin，S。Eddy，A。Krogh和G. Mitchison。生物序列分析。剑桥大学出版社，1998年。[5] S. Z，li。图像分析中的马尔可夫随机字段建模。Springer Publishing Company，2009年。[6] A. Zare，M。Jovanovic和T. Georgiou。湍流的颜色。流体力学杂志，812：630–680，2017。[7] B. Jeuris和R. Vandebril。带有toeplitz结构块的块toeplitz矩阵的khler平均值。SIAM关于矩阵分析和应用的杂志，37：1151–1175，2016。[8] A. Barachant，S。Bonnet，M。Congedo和C. Jutten。通过Riemannian几何形状进行多类脑部计算机界面分类。IEEE生物培训工程交易，59：920–928，2012。[9] O. Tuzel，F。Porikli和P. Meer。通过分类的人行人进行探测。IEEE关于模式分析和机器智能的交易，30：1713–1727，2008。[10] S. Said，H。Hajri，L。Bombrun和B. C. Ve-Muri。熵，2016年18月18日。Riemannian对称空间上的高斯分布：结构化协方差矩阵的统计学习。信息理论交易，64：752–772，2018。[11] E. Chevallier，T。Hose，F。Barbaresco和J. Angulo。对Siegel空间的内核密度估计，并应用于雷达处理。[12] A. Banerjee，I。Dhillon，J。Ghosh和S. Sra。使用Von Mises-Fisher分布在单位过度上进行促进。机器学习研究杂志，6：1345–1382，2005。
使用隐藏的马尔可夫模型和
滚动元件轴承的健康管理对工业资产的生产力，可靠性和降低成本的重要性越来越重要。早期故障检测是健康管理的关键支柱，这是不断发展的预后和健康管理理念的一部分。本文提出了一种故障检测方法，该方法首先将从轴承检测到的振动信号分割为重叠块。然后将主成分分析应用于分段信号。数据分割和主成分分析的组合是一种信号处理方法，可捕获振动信号的二阶结构。该方法通过训练隐藏的马尔可夫模型，该模型使用处理的信号，其中k均值聚类应用于设置隐藏的马尔可夫模型的状态参数数量。最后，训练有素的隐藏马尔可夫模型与合适的测试一起使用，通过处理实时振动数据来评估轴承健康降解。该方法已在俄亥俄州辛辛那提大学的智能维护系统中心提供的轴承测试床数据集上进行了测试。实验结果表明，所提出的方法优于此数据集的最新方法和基准结果。
一种基于马尔可夫决策过程的新型行为预测系统
摘要 为保证飞机的正常稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此，飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后，可以通过飞行操作的不同阶段预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process）模型，并利用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
一种基于马尔可夫决策过程的新型行为预测系统
摘要 为保证飞机的正常稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此，飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后，可以通过飞行操作的不同阶段预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process）模型，并利用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。
马尔可夫链不变分布的定量近似。一种新方法
在本文中，我们在可测量的状态空间（x，x）上处理一个Markov链，该链具有一个过渡内核P，允许一些小型s∈X，也就是说，对于任何x∈X，a∈X，对于p（x，a）≥ν（x，a）≥ν（x，a）1 s（x）1 s（x）。在这种情况下，我们提出了在（x，x）上的p- invariant概率度量π的建设性表征，使得π（1 s）>0。当存在这样的π时，仅根据ν，p和s的有限线性组合，在加权或标准的总变化规范中近似。接下来，使用标准漂移型条件，我们提供近似的几何/子几何收敛界限。这些界限是完全明确的，并且尽可能简单。收敛速率是准确的，在原子情况下它们是最佳的。请注意，还讨论了在[HL20B]中引入的有限级分配子不能进行近似P的收敛速率。这是一种近似π的新方法，因为它不是基于p对π的迭代的收敛性。因此，我们不需要任何疗效条件。此外，证明是直接的。他们在非原子案例中既不使用分裂链，也不使用续签理论，耦合方法，也不使用光谱理论。从某种意义上说，这种具有小型马尔可夫链的方法是独立的。
一种基于马尔可夫决策过程的新型行为预测系统
摘要 为保证飞机的正常稳定飞行，飞机上采用了多种传感器及相应的仪表系统来监测/控制当前的飞行状态，而得到的数据在保证飞行安全的同时也给飞行员带来了很大的负担。因此，飞机座舱自动化辅助系统成为当今的研究热点。本文基于自动化辅助系统启动后，可以通过飞行操作的不同阶段预测飞行员未来的操作行为，从而根据飞行员的操作习惯为其提供辅助。通过对飞行员操作行为和飞行过程任务要求的分析与建模，建立了MDP（Markov Decision Process）模型，并利用价值迭代算法寻找最优预测序列，最后通过飞行操作仿真实验验证了算法的可操作性。为飞行员操作的安全性和座舱自适应自动化辅助系统的侵入性提供了一种新的解决方案。