Artificial intelligence 人工神经网络与马尔可夫过程

我读了一些关于人工神经网络和马尔可夫过程的书。有人能帮助我理解马尔可夫过程与人工神经网络和遗传算法的结合点吗。或者简单地说，马尔可夫过程在这个场景中扮演什么角色

---

多亏了马尔可夫过程和人工神经网络是完全不同的概念

马尔可夫过程描述任何遵循某种统计特性的事件。“高斯”或“随机”这两个词就其统计特性描述了一组特定的事件

---

人工神经网络是一种帮助解决问题的算法，它与马尔可夫过程并没有真正的联系。你可能会想，这也是一个算法。HMM假设底层系统是一个具有隐藏状态的马尔可夫过程

公认的答案是正确的，但我只想补充几个细节

马尔可夫过程是任何一个随机经历一系列状态的系统，如果你知道当前状态，你就可以预测下一个状态的可能性。一个常见的例子是天气；如果现在是晴天，不管以前的天气如何，你都可以预测以后可能是晴天

遗传算法是一种从生成给定问题的一组任意随机解开始的算法。然后检查这些解决方案，看看它们有多好。“坏”的解决方案被丢弃，“好”的解决方案被保留并结合在一起形成（希望）更好的解决方案，就像一个物种培育新一代的成功成员一样。从理论上讲，重复这个过程会给出越来越好的解决方案，直到最终得到一个最优的解决方案

---

正如你所看到的，它们在算法上并不相关。然而，遗传算法通常用于生成隐马尔可夫模型，例如。其基本思想是用随机权重初始化HMM，相关马尔可夫过程的“训练集”在其中运行，并调整权重以使训练集的成员具有最高的发生概率。这通常是在语音识别软件中完成的。

就我个人而言，这个答案比选择的答案更好地帮助我理解差异。请注意，可以在所谓的混合神经网络中同时使用HMM和ANN。它们的用途之一是在语音识别中，当每个声音样本（超级帧）被划分为多个帧时——例如，每个帧都是MFCC向量。然后需要在ANN中使用HMM来建模语音（超帧）识别。