Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Chaînes et algorithmes de Markov

Dans cours

COM-516: Markov chains and algorithmic applications

The study of random walks finds many applications in computer science and communications. The goal of the course is to get familiar with the theory of random walks, and to get an overview of some applications of this theory to problems of interest in commu ...

Description

Cette séance de cours couvre l'application des chaînes de Markov dans les algorithmes, en se concentrant sur les algorithmes formels de Propp & Wilson. Il explique la génération de chaînes, les temps de démarrage et la vérification de la coalescence. La séance de cours traite également des théorèmes de Propp & Wilson garantissant de bonnes représentations.

Source officielle

Concepts associés (16)

Chaîne de Markov

vignette|Exemple élémentaire de chaîne de Markov, à deux états A et E. Les flèches indiquent les probabilités de transition d'un état à un autre. En mathématiques, une chaîne de Markov est un processus de Markov à temps discret, ou à temps continu et à espace d'états discret. Un processus de Markov est un processus stochastique possédant la propriété de Markov : l'information utile pour la prédiction du futur est entièrement contenue dans l'état présent du processus et n'est pas dépendante des états antérieurs (le système n'a pas de « mémoire »).

Génération (sciences sociales)

vignette|redresse|Rupture entre les générations (Oran, Algérie, 2015). La génération est un concept en sciences sociales utilisé en démographie pour désigner une sous-population dont les membres, ayant à peu près le même âge ou ayant vécu à la même époque historique, partagent un certain nombre de pratiques et de représentations du fait de ce même âge ou de cette même appartenance à une époque.

Génération grandiose

La génération grandiose est une appellation désignant les personnes nées aux États-Unis entre 1905 et 1925. Cette expression a été forgée par le journaliste Tom Brokaw pour décrire la génération ayant grandi durant la Grande Dépression aux États-Unis, puis qui a combattu durant la Seconde Guerre mondiale, ainsi que ceux qui ont fourni une contribution matérielle décisive à l'effort de guerre par leur productivité. Tom Brokaw, The Greatest Generation, New York, Random House, 1998, 464 p..

Modèle de Markov caché

Un modèle de Markov caché (MMC, terme et définition normalisés par l’ISO/CÉI [ISO/IEC 2382-29:1999]) — (HMM)—, ou plus correctement (mais non employé) automate de Markov à états cachés, est un modèle statistique dans lequel le système modélisé est supposé être un processus markovien de paramètres inconnus. Contrairement à une chaîne de Markov classique, où les transitions prises sont inconnues de l'utilisateur mais où les états d'une exécution sont connus, dans un modèle de Markov caché, les états d'une exécution sont inconnus de l'utilisateur (seuls certains paramètres, comme la température, etc.

Génération silencieuse

Le terme génération silencieuse est apparu le en couverture du Time et se réfère aux personnes nées entre le milieu des années 1920 et le début/milieu des années 1940 environ. Cette génération est née entre la Grande Dépression et la Seconde Guerre mondiale. Elle inclut les gens qui ont combattu pendant la Seconde Guerre mondiale et/ou durant la guerre de Corée (pour les États-Unis surtout). Elle est réputée pour avoir travaillé dur et ne pas avoir été revendicative, d'où son nom.

Afficher plus

Séances de cours associées (35)

Chaînes et algorithmes de Markov

Couvre l'application des chaînes de Markov et des algorithmes pour l'optimisation des fonctions et les colorations des graphes.

Chaînes et applications Markov

Explore les chaînes de Markov, leurs propriétés et leurs applications algorithmiques, en mettant l'accent sur la quantification de l'information et la monotonie des états.

Génération et recombinaison

Explore les concepts fondamentaux de la génération et de la recombinaison dans les semi-conducteurs pour les dispositifs photovoltaïques.

Hidden Markov Modèles: Primer

Introduit des modèles de Markov cachés, expliquant les problèmes de base et les algorithmes comme Forward-Backward, Viterbi et Baum-Welch, en mettant laccent sur lattente-Maximisation.

Chaînes et applications Markov

Explore les chaînes de Markov et leurs applications dans des algorithmes, en se concentrant sur l'impatience des utilisateurs et la génération d'échantillons fidèles.

Afficher plus

Concepts associés (16)

Chaîne de Markov

Génération (sciences sociales)

Génération grandiose

Modèle de Markov caché

Génération silencieuse

Afficher plus