我阅读了一些有关 ANN 和马尔可夫过程的内容。有人可以帮助我理解马尔可夫过程在 ANN 和遗传算法中的确切位置。或者简单地说，马尔可夫过程在这种情况下的作用是什么。
非常感谢
最佳答案
接受的答案是正确的，但我只想添加一些细节。
马尔可夫过程是随机经历一系列状态的任何系统，如果您知道当前状态，则可以预测每个可能的下一个状态的可能性。一个常见的例子是天气；如果现在是晴天，您可以预测以后很可能是晴天，不管之前的天气如何。
遗传算法首先针对给定问题生成一堆任意随机解。然后它会检查这些解决方案，看看它们有多好。 “坏”的解决方案被丢弃，“好的”解决方案被保留并组合在一起以形成(希望)更好的解决方案，就像一个物种的成功成员繁殖新一代一样。从理论上讲，重复这个过程会得到越来越好的解决方案，直到您最终得到一个最优的解决方案。
如您所见，它们在算法上并不相关。但是，遗传算法通常用于生成隐马尔可夫模型，例如 here .基本思想是用随机权重初始化 HMM，通过它运行相关马尔可夫过程的“训练集”，并调整权重以使训练集的成员出现的概率最高。这通常在语音识别软件中完成。
关于artificial-intelligence - 人工神经网络和马尔可夫过程，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/11924229/