高阶马尔科夫链张量模型.pptVIP

高阶马尔科夫链的张量模型 黎稳 华南师范大学数学科学学院 广州，510631 提纲 引言 关于张量模型平稳分布存在与唯一性 求解张量模型平稳分布的迭代法 平稳分布的扰动分析 数值例子 一、引言： Markov链的研究有非常悠久的历史，在建模以及分析实系统时，Markov链的应用非常广泛，例如对制造系统，随机自动化网络（SAMs），排队系统，生物信息工程，数据序列、网页排序以及其他和计算有关的应用和网络决策分析等等, Markov链模型能作出很好的预测和优化计划等作用。 在某些应用研究中，例如在生物信息学中，不同基因之间的相互作用构成了复杂的细胞活动。对作用于细胞、组织和器官的基因共同性研究在生物信息学中是一个重要的课题。代替独立看待单细胞，全局的或历史性的观点在理解细胞作用和控制大量正常功能运作的机制中显得越来越重要。通过概率布尔网络(PBN)建立基因调控网络模型，利用实际的数据推断网络结构和 1、 Markov链模型 给定一个Markov链过程x(t)，设它在离散的时间段t = 1, 2, 3, . . .内在状态空间S = {1, 2, . . . , m}内取值， 的概率只和 有关。一个Markov过程是由它的概率转移矩阵 刻画的，其中， (1) 这时，P 是列和为1的非负矩阵。 2、高阶非负张量模型 对高阶Markov模型的分析也可以利用高阶非负张量的有关理论，所谓m阶n维非负张量指 张量有非常重要的应用. 这里，我们比较感兴趣的是与高阶Markov链有关的非负张量的谱理论，张和祁给出张量谱理论的很好的综述。张量的H-特征值和特征向量定义为 ： 其中 (see Chang and Zhang, manuscript, 2012).文[Ng,Qi, Zhou, SIMAX, 2009]指出，对某些数据系列建立高阶Markov模型时通常可以计算如下高阶转移概率： 对计算高阶张量的在时刻t概率分布 二、关于模型（7）平稳分布存在唯一性 1、存在性：文[Li, Ng, 2011]定理2.2 (p.21) 给出了对不可约非负张量，方程（7）的存在性证明，即: 2、唯一性：文[Li, Ng, 2011]给出了如果概率转移张量P没有任何限制，（7）的解不是唯一的（p. 24 Remark 1）。对方程（7）文[Li,Ng, 2011]首次给出了唯一性的充分条件（见Theorems 2.3 and 2.4, p. 22--35），即 问题 ： 三、求解（7）平稳分布的迭代法 如下是考虑第一节中的问题（b），即：保证唯一性条件下，如何给出（7）平稳概率分布向量的求解算法？我们给出迭代法如下（见LN2011）： 对问题(b)和(c) 当满足唯一性条件下，算法收敛： 四、概率平稳分布的扰动分析 1、基础 （1）、什么是扰动分析？ （2）、通常扰动分析研究什么？ （3）、问题扰动的形式：加法与乘法 3、一阶Markov链的扰动分析情况 问题：对一般的非负张量，H-和Z-矩阵的最大特征对扰动界如何给出？ 五、算例 参考论文： [1] W Li, M. Ng, Existence and uniqueness of stationary probability vector of a transition probability tensor, BUHK，2011 [2] W Li, Lu-Bin Cui, M. Ng, Perturbation bound for the Perron vector of a transition probability tensor, BUHK，2011 本文观看结束！！！ * * * Joint work with Prof. Michael Ng and LB Cui 参数。这有助于我们理解基因网络和理解网络中不同的基因的作用。然后提出基因干预的治疗或基因控制策略。然而，网络的规模随基因数量的增长而呈指数阶增长。一个PBN可以建立有关Markov模型，进而利用该Markov链模型分析该网络; 在信用危机模型中的应用中，信用等级在信用危机分析和建模中非常重要。以往建立信用等级和他们之间的转移的常规的方法就是Markov链模型及其概率转移矩阵。当今 人们面临的问题越来越复杂，复杂的事物通常可以用高维数据来刻画。 最近，高阶非负张量用于建立高阶Markov链模型，这给研究Markov链带来新的具有挑战性的