resueltos propiedad proceso modelo matriz historia estocastica ejercicios ejemplos cadenas cadena artificial-intelligence markov-chains

artificial intelligence - propiedad - ¿Algunos ejemplos de negocios de usar cadenas de Markov?



proceso de markov (14)

El más obvio: el PageRank de Google.

¿Qué casos comerciales existen para usar cadenas de Markov? He visto el tipo de área de juego de una cadena de markov aplicada al blog de alguien para escribir una publicación falsa. Me gustaría algunos ejemplos prácticos sin embargo? Por ejemplo, útil en los negocios o predicción del mercado de valores, o similares ...

Editar : Gracias a todos los que dieron ejemplos, subí cada uno de ellos ya que todos fueron útiles.
Edit2 : seleccioné la respuesta con el mayor detalle como la respuesta aceptada. Todas las respuestas subí.

He visto correo no deseado que se generó claramente utilizando una cadena de Markov, sin duda, que califica como un "uso comercial". :)

Utilizamos el análisis de cadena de archivos de registro para derivar y promover enlaces secundarios y terciarios a documentos que de otro modo no estarían relacionados en nuestro sistema de ayuda (una colección de documentos de 10 millones).

Esto es especialmente útil para unir taxonomías por lo demás separadas. por ejemplo, documentos SQL vs. documentos IIS.

Los modelos ocultos de Markov se basan en una cadena de Markov y se utilizan ampliamente en reconocimiento de voz y especialmente en bioinformática.

Existe una clase de métodos de optimización basados ​​en los métodos de Markov Chain Monte Carlo (MCMC). Estos se han aplicado a una amplia variedad de problemas prácticos, por ejemplo aplicaciones de procesamiento de señales e imágenes para la segmentación y clasificación de datos. Reconocimiento de voz e imagen, análisis de series temporales, muchos ejemplos similares provienen de la visión por computador y el reconocimiento de patrones.

Planeamos usarlo para el ingreso de texto predictivo en un dispositivo de mano para la entrada de datos en un entorno industrial. En una situación con un tamaño de vocabulario razonable, se pueden sugerir transiciones a la siguiente palabra en función de la frecuencia. Nuestra prueba inicial sugiere que esto funcionará bien para nuestras necesidades.

Las cadenas de búsqueda de Markov son utilizadas por empresas de búsqueda como Bing para inferir la relevancia de los documentos a partir de la secuencia de clics realizados por los usuarios en la página de resultados. El comportamiento del usuario subyacente en una sesión de consulta típica se modela como una cadena de markov, con comportamientos particulares como transiciones de estado ... por ejemplo, si el documento es relevante, un usuario puede examinar aún más documentos (pero con una probabilidad menor) o bien puede examinar más documentos (con una probabilidad mucho mayor).

Las cadenas de Markov se pueden usar para simular la interacción del usuario, fg cuando se navega por el servicio.

Mi amigo estaba escribiendo como reconocimiento de plagio de trabajo diplomático usando Markov Chains (dijo que los datos de entrada deben ser libros enteros para tener éxito).

Puede que no sea muy "comercial", pero las Cadenas de Markov se pueden usar para generar nombres geográficos y de personas ficticios, especialmente en juegos de rol.

El modelo de Markov es una forma de describir un proceso que pasa por una serie de estados.

Los HMM se pueden aplicar en muchos campos donde el objetivo es recuperar una secuencia de datos que no se puede observar inmediatamente (pero depende de algunos otros datos en esa secuencia).

Las aplicaciones comunes incluyen:

Análisis criptográfico, reconocimiento de voz, etiquetado de voz parcial, traducción automática, predicción de stock, predicción de genes, alineación de bio-secuencias, reconocimiento de gestos, reconocimiento de actividad, detección de patrones de navegación de un usuario en un sitio web.

Hay algunos sistemas comerciales de Ray Tracing que implementan Metrópolis Light Transport (inventado por Eric Veach, básicamente aplicó hastings de metrópolis al trazado de rayos), y también Bi-Directional- and Importance-Sampling Path Tracers usan Markov-Chains.

Los textos en negrita son googleables, omito más explicaciones por el bien de este hilo.

Las cadenas de Markov se utilizan en seguros de vida, particularmente en el modelo de discapacidad permanente. Hay 3 estados

  • 0 - La vida es saludable
  • 1 - La vida se deshabilita
  • 2 - La vida muere

En un modelo de incapacidad permanente, la aseguradora puede pagar algún tipo de beneficio si el asegurado queda discapacitado y / o el beneficio del seguro de vida cuando fallece el asegurado. Entonces, la compañía de seguros probablemente ejecutaría una simulación de monte carlo basada en esta cadena de Markov para determinar el costo probable de proporcionar dicho seguro.