一种基于DPNN的Markov链等效状态转移模型

摘要

针对Markov链状态转移预测,提出一种基于离散过程神经元网络(DPNN)的等效状态转移预测方法和模型,探讨DPNN与Markov模型在一定条件下对于系统状态转移特性描述的等价性问题.利用DPNN对时间序列样本的非线性映射机制和自适应学习能力,可通过对时间序列样本集的训练,确定满足Markov链时间序列状态转移约束关系的DPNN,并将其连接权矩阵作为Markov链等效状态转移矩阵.对于任意的Markov链,给出与之等效DPNN的构建方法和在Markov链状态转移概率条件约束下的网络权值矩阵求解算法,仿真实验结果验证了方法的有效性.