Стохастическое Mоделирование. Теория Случайных Процессов. Stochastic Modeling.
Осень 2011 / Fall 2011
Тематический План Курса / Course outline
- Понятие случайного процесса / Random process
- Марковские процессы с дискретным времeнем / Descrete time Markov process
- Марковские процессы с непрерывным времeнем / Continuous time
Markov process
- Скрытые Марковские модели (HMM) / Hidden Markov models
- Методы Монте Карло (MC) / Monte Carlo methods
- Вероятностные (случайные) алгоритмы / Randomized algorithms
Модуль 1 / Module 1
Лекции / Lectures
- [06.09.2011] Цепи Маркова / Markov chains
Стохастические процессы. Марковские процессы. Цепи Маркова с дискретным временем.
Переходная матрица. Конечномерные распределения и матрица перехода за n шагов.
Уравнение Колмогорова-Чепмена.
- [13.09.2011] Классификация состояний цепи Маркова /
Classification of states in Markov chains
Классифиакция состояний. Достижимые и сообщающиеся состояния. Классы
эквивалентности. Неразложимые классы. Неразложимая цепь
Маркова. Транзитивные и рекуррентные (возвратные)
состояния. Критерий возвратности. Понятие периода
состояния. Периодиечские состояния. Понятие времени
возвращения. Вычисление среднего времени возвращения.
- [20.09.2011] Стационарное распределение в Марковских цепях /
Stationary distribution in Markov chains
Эргодические состояние и эргодическая Марковская цепь. Стационарное состояние. Основная теорема Марковских цепей. Уравнения стационарного состояния
- [27.09.2011] Поглощающая Марковская цепь / Absorbing Markov chains
Каноническая форма матрицы. Вероятность поглощения. Время до поглощения.
- [04.10.2011] Пуассоновский процесс / Poisson process.
Экспоненциальное распределение. Свойства распределения. Стационарный поток. Пуассоновский процесс. Время ожидания. Свойства процесса.
- [11.10.2011] Цепи Маркова с непрерывным временем / Continuous
time Markov process
Понятие процесса с непрерывным временем. Интенсивность переходов. Матрица интенсивности. Уравнение Чепмена Колмогорова
- [18.10.2011] Стационарное распределение в цепях с непрерывным
временем / Stationary distribution in continuous time Markov chains
Уравнение стационарного состояния.
- [28.10.2011] Зачет / Exam
Домашние задания / Home Assignments
- [6.09.2011]
Моделирование дискретного Марковского процесса.На вход матрица переходов P
и число шагов процесса. На выходе последовательность случайных
состояний Марковского процесса.Провести несколько экспериментов.
- [13.09.2011]
Написать функцию для расчета математического ожидания времени первого посещения состояния. На вход
матрица переходо P. На выходе матрица из средних времен M. Провести эксперименты,
сравнить ресультаты численного решения с результатами моделирования
процесса. В результате моделирование получается распределение
времен посещения каждого состояния. Нарисовать гистограммы и сравнить
средние значения с результатами численного решения.
- [20.09.2011]
Написать функцию для численного расчета стационарных состояний
неразложимой конечномерной марковской цепи. Вычисления производить
двумя способами: а) решением линейных уравнений 2) через собственный
вектор. На вход матрица переходов P. На выходе векор стационарных состояний.
Провести эксперименты, сравнить ресультаты численного решения с
результатами моделирования процесса. В результате моделирование получается распределение
частот посещения каждого состояния. Нарисовать гистограммы и сравнить
средние значения с результатами численного решения.
- [27.09.2011]
Написатъ функцию для расчета вероятностей поглощения в абсорбирующих
состояниях конечной поглощающей марковской цепи. На вход
матрица переходов P. На выходе матрица вероятностей поглощения F. Провести эксперименты,
сравнить ресультаты численного решения с результатами моделирования
процесса. В результате моделирование получается распределение
частот поглощения каждым абсорбирующим состоянием. Нарисовать гистограммы и сравнить
средние значения с результатами численного решения.
- [11.10.2011]
1. Найти P(t) для данной Q решением матричного дифф. уравнения.
2. Написать функцию для нахождения стационарного распределения
Марковской цепи с непрерывным временем для данной матрицы
интенсивности Q.
Модуль 2 / Module 2
Лекции / Lectures
- [16.11.2010] Скрытые Марковские модели I (HMM) / Hidden Markov
Models I
Примеры скрытых Марковских моделей. Формализм HMM. Матрица переходов и
матрица сигналов. Три основные задачи теории HMM. Оценка вероятности
последовательности сигналов (Evaluation). Forward-Backward Procedure.
- [23.11.2010] Скрытые Марковские модели II (HMM) / Hidden Markv
Models II
Нахождение наиболее вероятной последовательности состояний (Decoding).
Viterbi Algorithm. Нахождениe параметров модели (training
HMM). Baum-Welch Algorithm.
- [30.11.2010] Применения HMM для распознaвания речи / Markov
chains for speech recognition
Вероятностные модели распознавания. Звуковая и языковая
модели. Распознование отдельных слов.
- [07.12.2010] Методы Монте Карло в Марковксих цепях (MCMC) / Markov Chain
Monte Carlo
Генерация рапределений. Rejection sampling. Markov Chain Monte Carlo.
Методы построения цепей.
- [14.12.2010] Алгоритм иммитации отжига / Simulated Annealing
Алгоритмы глобальной оптимизации. Simulated annealing (алагоритм имитации
отжига). Дискретная и комбинаторная оптимизация. Нахождение минимума
многомерной непрерывной функции.
- [21.12.2010] Случайные (вероятностные) алгоритмы / Randomized algorithms
Вероятностные алгоритмы. Типы алгаритмов. Лас Вегас и Монте
Карло. Оценка ошибки алгоритма. Примеры. Polynomial identity и
Min-cut algorithms.
- [26.12.2011] Зачет / Exam
Домашние задания / Home Assignments
- (6) [16.11.2010]
1) Смоделировать генерацию последовательности HMM.
2) Имплементировать forward-backword алгоритм для нахождения
вероятности последовательности наблюдаемых сигналов для данной HMM
3) Имплементировать алгоритм Viterbi для нахождения наиболее
вероятной последовательности состояний данной HMM по
последовательности наблюдаемых сигналов
- (7) [23.11.2010]
Имплементировать алгоритм Baum-Welch для нахождения параметров
HMM по наблюдаяемой последовательности сигналов. Провести численные эксперименты
- (8) [30.11.2010]
1). Написать функцию оценки параметров матрицы перехода Марковской
цепи методом наибольшего правдоподобия. На вход последовательность
состояний. На выходе матрица переходов P.
2). Построить статистическую лингвистическую модель (bi-grams)
русского языка. Использовать тексты по усмотрению. Показать 10
наиболее частотных слов и 10 наиболее частотных
bi-gram. Сгенерировать случайный фрагмент текста используя
полученную модель.
- (9)[07.12.2010]
1). Вычислить объем многомерного шара методом Монте Карло, оценить
значение числа "пи"
2). Имплементировать acceptance-rejection метод. Проверить используя
функцию humps в Матлабе
3). Имплеметировать Metropolis-Hasting алгоритм.
Детали алгоритмов
- (10)[14.12.2010]
Имплементировать Simulated Annealing алгоритм для решения задач 1)
дискретной или 2) непрерывной оптимизации. В случае (1)
претестировать на примере задачи Traveling salesman, в случае (2) на
данной двумерной функции. Детали алгоритмов
ПОСЛЕДНИЙ СРОК СДАЧИ ЗАДАНИЙ 9 и 10 - 21.12.11 в 18.10!
Литература по курсу / References
Основная / Main
-
Sheldon M. Ross. Introduction to Probability Models, Tenth Edition. Academic Press, 2009.
-
Olive Ibe. Markov Processes for Stochastic Modeling. Academic Press 2008.
-
Frederick Hillier. Introduction to Operations Research. McGraw-Hill Science, 9th edition ,2009
Дополнительная / Additional
-
J. R. Norris. Markov Chains. Cambridge University Press, 1998.
-
William J. Stewart. Introduction to the Numerical Solution of Markov Chains. Princeton University Press, 1994.
Статьи / Papers
-
A Tutorial on Hidden Markov Models and Selected Applications in Speech
Recognition. Lawrence R. Rabiner. Proc of IEEE, Vol 77, N 2, 1989, pp
257-286. [paper]
-
Markov Chain Monte Carlo and Gibbs Sampling. Lecture notes. B. Walsh
[paper]
-
Optimization by Simulated Annealing. S. Kirkpatrick et al.
Science, Vol. 220, No. 4598, 1983, pp. 671-680.
[paper]
-
An introduction to randomized algorithms. Richard M. Karp.
Discrete Applied Math. 34, 1991, pp 165-201
[paper]