ارسال شده توسط:Papersimتاریخ ارسال: 2017/07/16در پیاده سازی مقالهدیدگاهها برای بهينه سازي ضرايب زنجيره مارکوف به منظور مدلسازي بيماري سکته مغزي بسته هستند
هدف ما ،بهينه سازي ضرايب زنجيره مارکوف به منظور مدلسازي بيماري سکته مغزي
مدل مارکوف مدل آماري است که در آن سيستم مدل شده به صورت يک فرايند مارکوف با حالتهاي مشاهده نشده (پنهان) فرض ميشود. در مدل عادي مارکوف، حالت به طور مستقيم توسط ناظر قابل مشاهده است و بنابراين احتمالهاي انتقال بين حالتها تنها پارامترهاي موجود است. در يک مدل پنهان مارکوف، حالت بهطور مستقيم قابل مشاهده نيست، اما خروجي، بسته به حالت، قابل مشاهده است.
هر حالت يک توزيع احتمال روي سمبلهاي خروجي ممکن دارد؛ بنابراين دنباله سمبلهاي توليدشده توسط يک مدلپ نهان مارکوف اطلاعاتي درباره دنباله حالتها ميدهد. توجه داشته باشيدکه صفت ‘پنهان’ به دنباله حالتهاي يک هم دل ازآنها عبورميکند اشاره دارد،نه به پارامترهاي مدل؛حتي اگرپارامترهاي مدل بهطوردقيق مشخص باشند، مدل همچنان ‘پنهان’ است.
در مقاله پيش رو به بهينه سازي ضرايب زنجيره مارکوف به منظور مدلسازي بيماري سکته مغزي پرداخته شده است. در اين مقاله با تقسيم جامعه آماري به سه حالت مستعد، بيمار و فوت شده، ماتريس گذر حالت تعريف شده است. با در نظر گرفتن عدم قطعيتهاي مربوطه، ماتريس گذر حالت داراي عدم قطعيت شده و با استفاده از توزيع تصادفي متغيرهاي درگير در مساله که با استفاده از دادههاي تجربي بدست آمده است، تابع چگالي توام متغيرها به واسطه تئوريهاي احتمال بدست آمده است. با دانستن اين توابع، ميتوان تعيين کرد که در هر مرحله چه درصدي از افراد بيمار، مستعد بيماري يا فوت شده اند. در انتها کارايي روش مورد استفاده بررسي شده است.
Randomizing the parameters of a Markov chain to model the stroke disease: A technical generalization of established computational methodologies towards improving real applications