会员服务
马尔可夫链，因安德烈·马尔可夫（A.A.Markov，1856－1922）得名，是指数学中具有马尔可夫性质的离散事件随机过程。该过程中，在给定当前知识或信息的情况下，过去（即当前以前的历史状态）对于预测将来（即当前以后的未来状态）是无关的。 在马尔可夫链的每一步，系统根据概率分布，可以从一个状态变到另一个状态，也可以保持当前状态。状态的改变叫做转移，与不同的状态改变相关的概率叫做转移概率。随机漫步就是马尔可夫链的例子。随机漫步中每一步的状态是在图形中的点，每一步可以移动到任何一个相邻的点，在这里移动到每一个点的概率都是相同的（无论之前漫步路径是如何的）。
Empirical evaluation of normalizing flows in Markov Chain Monte Carlo
Arxiv
0+阅读 · 10月9日
A coupling-based approach to f-divergences diagnostics for Markov chain Monte Carlo
Arxiv
0+阅读 · 10月8日
Statistical properties of Markov shifts (part I)
Arxiv
0+阅读 · 10月9日
On quantum to classical comparison for Davies generators
Arxiv
0+阅读 · 10月8日
Uniform ergodicity of geodesic slice sampling
Arxiv
0+阅读 · 10月8日
Edit-Based Flow Matching for Temporal Point Processes
Arxiv
0+阅读 · 10月8日
Edit-Based Flow Matching for Temporal Point Processes
Arxiv
0+阅读 · 10月7日
Estimating on-street parking occupancy using smart meter data
Arxiv
0+阅读 · 10月6日
Oracle-based Uniform Sampling from Convex Bodies
Arxiv
0+阅读 · 10月3日
HOMC: A MATLAB Package for Higher Order Markov Chains
Arxiv
0+阅读 · 10月3日
A fast non-reversible sampler for Bayesian finite mixture models
Arxiv
0+阅读 · 10月3日
Restricted Spectral Gap Decomposition for Simulated Tempering Targeting Mixture Distributions
Arxiv
0+阅读 · 10月2日
Spectral gap of Metropolis-within-Gibbs under log-concavity
Arxiv
0+阅读 · 9月30日
MARCOS: Deep Thinking by Markov Chain of Continuous Thoughts
Arxiv
0+阅读 · 9月29日
Adaptive Pseudo-Marginal Algorithm
Arxiv
0+阅读 · 9月29日
参考链接
父主题
概率图模型
微信扫码咨询专知VIP会员
Top