z*****f 发帖数: 7 | 1 想要采用两状态的Markov模型模internet信道,计算不同的FEC解码后(采用RS(N,K)
)的residule丢包率(计算n个包里丢掉k个以上包的概率),我用matlab实现了(应该
没错),具体代码如下,但是运行速度巨慢,计算一个RS(16,9)的残差丢包率需要
十几秒,如果再放进优化循环里面的话,估计是不能忍了,所以想问问有没有快一点的
实现?此外,好像结果也不对:残差丢包率竟然比原来的丢包率还高一点点。不知道是
错在哪儿了? 所以还请大牛们指点指点!!!谢谢啦!!!
function P_res = Func_ResidualPLR(P_GB, P_BG, PB, N, K)
P_res = 0;
for m = N-K+1:N
P_res = P_res + Func_P(P_GB, P_BG, PB, m, N);
end
% g(v)
function gv = Func_g(P_GB, P_BG, v)
if v == 1
gv = 1 - P_BG;
else
gv = P_BG * (1-P_GB)^(v-2) * P_GB;
end |
|
z*****f 发帖数: 7 | 2 想要采用两状态的Markov模型模internet信道,计算不同的FEC解码后(采用RS(N,K)
)的residule丢包率(计算n个包里丢掉k个以上包的概率),我用matlab实现了(应该
没错),具体代码如下,但是运行速度巨慢,计算一个RS(16,9)的残差丢包率需要
十几秒,如果再放进优化循环里面的话,估计是不能忍了,所以想问问有没有快一点的
实现?此外,好像结果也不对:残差丢包率竟然比原来的丢包率还高一点点。不知道是
错在哪儿了? 所以还请大牛们指点指点!!!谢谢啦!!!
function P_res = Func_ResidualPLR(P_GB, P_BG, PB, N, K)
P_res = 0;
for m = N-K+1:N
P_res = P_res + Func_P(P_GB, P_BG, PB, m, N);
end
% g(v)
function gv = Func_g(P_GB, P_BG, v)
if v == 1
gv = 1 - P_BG;
else
gv = P_BG * (1-P_GB)^(v-2) * P_GB;
end |
|
r*****s 发帖数: 892 | 3 【 以下文字转载自 Shanghai 讨论区,原文如下 】
发信人: regulus (Templar), 信区: Shanghai
标 题: 关于Nash均衡的恋爱模型
发信站: The unknown SPACE (Wed Jun 5 15:42:56 2002) WWW-POST
今天努力一把,大家娱乐一下
首先得把恋爱描述成一个两人参与的博弈游戏,不考虑三角恋的情况,那么两人参与,每
人有两种选择,分手或是继续,关于各种决策下的收益描述如下:
情况一:不相爱 情况二:相爱
分手 继续 分手 继续
分手 M,M 1,-L 分手 0,0 1,-L
继续 -L,1 0,0 继续 -L,1 M,M
也就是说,如果是不相爱的,分手/分手是唯一的Nash均衡(实际上有分手策略优于继续
策略),如果是相爱的话,分手/分手和继续/继续都是Nash均衡,当然继续/继续是最好
的(L>M>1)。现假设相爱的概率p小于0.5(合理吧)。
首先讨论如下情况,假设两人中有 |
|
E*******F 发帖数: 2165 | 4 我现在有一些items,他们是有序的(可以相等)
现在要从empirical data来找这种序列
比如:
第一组data:A
第二组data:B
。。。
最后从这些data来给所有的个体A,B,C...等等排一个序
问题是data可以有矛盾之处,所以要用概率模型
比如假设每个item都是Gaussian分布,排序高的期望比较低
排序稳定的方差比较小,等等
有什么好的模型可以用吗?从数据来学习?
我初步的想法是先假设所有的个体都是标准正态分布,均值方差都相同
然后从数据一点一点改变期望和方差 |
|
b***y 发帖数: 14281 | 5 这是一个有趣的问题,我一开始也被误导了。LZ好奇的是,在经典力学里,在保持轨道
能量相等的条件下,圆形轨道的角动量最大,椭圆轨道的角动量则较小,在极端情况下
,当轨道扁得仿佛成为一条线的时候,角动量接近于零。
反观氢原子,在主量子数相等的条件下,当L=0时,S波具备完美的球对称性, 让人联
想到圆形轨道, 而L=1时波函数失去了球对称性,自然令人联想到椭圆轨道。但是P波的
角动量明明大于S波,于是乎,LZ似乎发现在这个问题上经典和量子的结论相互矛盾。
虽然说经典和量子是两个不同的体系,严格说来不能直接对比,不过世上没有无缘无故
的矛盾,这个现象终究让人觉得好奇,希望找到产生这个矛盾的根源。
然而,当我们仔细思考后,就不难发现,矛盾并不存在,只不过我们被一些过于简单的
直觉误导了。
首先要明确的是,量子力学里没有真正意义上的轨道,自然也就没有严格的圆轨道和椭
圆轨道的区别。但是我们还是可以从波函数的对称性去对它们进行比较,并和经典力学
的结果相对照。
经典力学中圆形轨道的特征当然是平面旋转不变性,(注意是平面旋转,而不是球对称
,这个区别非常重要!),即在轨道平面内,将轨道绕中心旋转任意... 阅读全帖 |
|
L*******t 发帖数: 2385 | 6 似乎只有BS模型才和效用函数无关
很多模型都不是效用函数无关的
于是和Risk Aversion有关。
建议楼主看看equilibriumpricing的文章
会清楚很多 |
|
s*****n 发帖数: 2174 | 7 这个取决于A是如何定义的.
如果A是11x11的矩阵. 第一行为State_0, 就是20次方. 模型是从第0次开始.
当然也可以定义A为10x10的矩阵. 第一行为State_1. 这样就是19次方. 模型从抽取第一
次以后开始.
|
|
g********r 发帖数: 8017 | 8 太高深了。一截棍子上怎么建立回归模型?请陈老师解惑。
界空间,然后在每个临界空间内建回归模型。这里的关键是找到两个临界点的期望估计。 |
|
d******e 发帖数: 7844 | 9 UMN的Qiu 十几年前做的jump regression就已经可以搞定比陈大师复杂N倍的模型,呵
呵,而且无论是理论和实验Qiu的Jump Regression都已经比较完整了。
可是陈大师发扬鸵鸟精神,死活就说别人没做,若讨论原因,无外乎两点:
1.陈大师学的是基于“辩证法”的陈氏概率统计学,读不懂正常人的统计学。
2.承认了别人做过,陈大师的Uniqueness不就没有了么,还怎么来自称是颠覆传统统计
的神啊。
陈大师其实和李洪志在走一个路线,但陈大师缺乏团队策划,一个人单打独斗,而且只
在MITBBS上忽悠,难成气候啊。 |
|
b****u 发帖数: 1130 | 10 公司这帮家伙,概率糊涂,微分方程不会,排列和组合不会,矩阵微分就是天书,手
算一些简单的最优也不行。
基本上就是到处找开发包,往各种各样的模型里套,跑跑结果。大家公司里面搞人工智
能的是不是也这样啊?现在人工智能已经不需要数学了? |
|
D***n 发帖数: 6804 | 11 咱们就谈谈最基本的概率模型,不用扯那么远。医学上的结果最后都是各种统计,这玩
意大家都是知道的。
你娃那个病的发病率是多少?如果在普通人中发病概率很低,你说的那些指标阳性并不
能告诉医生你娃有这个病。 |
|
k***x 发帖数: 6799 | 12 没必要,我面过挺多码工和硅工的职位,其中以qualcomm偏research性质的职位问这类
问题最多,但基本也就是给你N个棍/球/绳,让你算一些概率和数学期望,基本的离
散模型和递推足够了(当然,这种问题也能出得很难,学过随机的都知道)。。。不知
道一些牛鼻的lab会不会问得更难 |
|
v******y 发帖数: 4134 | 13 楼主就是自作聪明加不学无术
根本就不懂进化论,不明白概率模型,从来没有哪个真理会说这个动物一定要进化到下
一个物种,就算自然选择也建立在大样本的基础上的
此外的很多科学也是建在概率基础上的,包括热学,经济学,金融学,生物学,遗传学
,,,,,,你要找的绝对真理可能就只有哲学 |
|
e*********6 发帖数: 3453 | 14 为了把模型简单化,做一下假设
每次进攻,每队都play 前三次机会,如果没超过10yard,第四次踢球,然后对方从
20yard处开始进攻。由于每队固定从20 yard处开始进攻,如果连续能推进80 yard,就
得7分,推进50-80 yard,得3分。得分之后对方也是从20 yard处开始进攻。现在已知
每队每个play平均推进的yard数,这个yard数成泊松分布。
假定现在在The Game,Ohio State平均每次play推进7yard,而Michigan每次推进5yard
,两队总的play的数量为140(踢球算一个plan,包括field goal,但是不包括TD之后
的那个踢球)。请问两队获胜的概率分别有多大?如果开50/50对赌的话,Ohio State
应该让几个球(就是Ohio State赢球数的期望值为多少)?
第一个答对有5个包子,要求算法逻辑正确,过程详细,答案基本可靠.
第一个提出某种新的提出可行算法并解释清楚的发一个包子。 |
|
h*****0 发帖数: 4889 | 15 从某种意义上说,这是一个常见的错误。完全是对语义的理解不清。
按每个球都随机的模型,将4个有差别/无差别的球放入两个有差别/无差别的筒中,1-3
分布的概率是多少?会不一样吗? |
|
d********1 发帖数: 3828 | 16 这些常识的东西本来就是很难用数学模型来量化的。但是就是有人用概率来搅混水,把
不懂的人绕糊涂,颠覆常识。 |
|
b*****a 发帖数: 14583 | 17 我觉得是他们计算机模型推演,100 个 iteration 出来 20次下雨,就是20%概率 |
|
b*********n 发帖数: 1607 | 18 问题是算得出来。理论可行,实际操作上,借助计算机完全可以算。复杂的多体互相间
引力作用的问
题,专业人员能够算,有成熟的方法。进化论的问题是,方法都没有,一个数理模型还
没有。两个问题
性质不同。而且这个概率问题是非常重要的,因为如果严禁的计算证明进化论在时间上
就可能性很小,
那对进化论是严重的挑战,相反如果能证明可能性确实大,那是对进化论极大的支持。 |
|
r****n 发帖数: 8253 | 19 物理学为什么要求必须有准确的公式以及严格的计算呢、因为物理学除了对事物的现象
进行认识之外,还要预测现象的准确状态,并进行各种物理应用,这就要求必须要懂各
种计算。
比如对波动性的认识,除了要知道微观粒子的波动性是概率波以外,还要能够根据某些物
理值准确算出某个微观粒子在某个位置出现的概率是多少。以便进行各种运用。
但是认识论则不需要如此,因为认识论的重点在于对事物现象的认识,能够认识到现象
的本质,特性就足够,而不需要进行准确的算数。
我个人认为,后者更加重要,而前者对于大多数人其实不实用的,我们读了那么多年的
书,大部分时间浪费在题海当中,但是我们对现象的认识又掌握了多少呢???
这种畸形的教育培育出了一大堆只会算数的书虫,但是严谨,求实,独立思维,敢于质
疑,创新思想,这些科学的必要素质又被培养了多少呢???
所以,我们可以看到类似qxc,yuuli这些所谓的名牌大学phd说出一些极端脑残的话,
被一个小学没毕业的waichi忽悠的晕头转向,所谓的科学家pupp糊里糊涂,不知所云。
。。。 |
|
M****z 发帖数: 1058 | 20 楼主还是先拉投资吧,网上找到co-founder的概率极低,靠谱的概率更低。可以查找我
以前找cofounder时候的帖子。
以个人的观察,经历和分析,网上找cofounder基本是浪费时间,呵呵。 |
|
l********k 发帖数: 14844 | 21 搞死分布任意实数都有非零的概率出现。不过在平均比较大的情况下,泊松分布近似等
于搞死分布。
你说的没错,很多统计结果,根本就不是搞死分布,最好搞个实际的概率模型来描述,
还能整出点定量的东西。不过可能很多纯生物的人到这儿就走不动了。 |
|
f*********3 发帖数: 313 | 22 用Proc Glimmix建立3-level random effect logistic regression后需要 predicted
probability,用output 命令只能给出每个样本对应的概率,但我需要自变量不同取值
的概率。请问大家有什么好的建议么?谢谢了。 |
|
w********3 发帖数: 13 | 23 第一个方法: ABCD不能 认为是 ordinal 的吧
第二个方法: 觉得不对 感觉就像 把 confidence bound 加起来 一样
直觉是 用range 估计 sd=range/4 和 mean= middle point of range
然后 把 ABCD 当成 cluster 或者 strata
如果 每个 cluster的 sample size 不同 就用 probability proportion to size
否则 假设 1/4的 抽取概率 变成 simple random sample 然后做简单的 weighted
mean and weighted sd
还得注意 样本是 with replacement的 因此概率模型 比较简单
my two cents. |
|
r**********g 发帖数: 22734 | 24 都是概率模型,你还得先说服陪审团或者法官你的技术的原理。上没上DNN,还是用GMM
,特征提了多少维MFCC,前滤波用的是啥。 |
|
|
S*****s 发帖数: 7520 | 26 就是人都是百分百理性的,而且有一律的绝对高度的理性分析能力。
比如就拿杀病狗这个题,前提就是狗的主人必须无条件的绝对理性
才能做到什么时候杀狗,什么时候不杀。
只要有哪怕一个人二逼一点,这个题就根本无法做了。
这就是“理论模型”,现实中很难说。 |
|
x******h 发帖数: 13678 | 27 概率模型不能用来作为调查证据,怎么让公安局立案侦查啊 |
|
l******r 发帖数: 18699 | 28 原因是缺乏某种合理的概率模型去model这个东西
归根结底还是生物学滞后 |
|
l******r 发帖数: 18699 | 29 星光理解的稍微靠谱一点
概率模型做预测用的,而不是实验结束做解释用的。后者是贝耶斯。 |
|
h*h 发帖数: 27852 | 30 看来电脑围棋压倒人类就在今年了:电脑对人 = 几十万个职业三段 围殴 一个人
发信人: softmagic (魔术师), 信区: Weiqi
标 题: 用一种真正便于棋手理解的方式解释alphago的算法
发信站: 水木社区 (Thu Mar 10 07:58:11 2016), 转信
其实讲深度学习没有什么太大意义,那些都是离线做好的,
alphago下棋的时候并不需要深度学习。
但是事先做好的深度学习训练的模型保证了下面讲的参与“研讨”的选手的质量水平。
AlphaGo 的MCTS算法相当于几万个业余3-5段的选手,经过合理的组织,在
1分钟内研讨了几百万盘当前局面下的后续对局发展。最终得出一个最有希望
获胜的招法。
这种合理组织并且表现在:
1.每个局面下,越有“合理招法”希望的落子,会被更多的“研讨对局”,通常比如当前
局面下,最有希望的落子位置会比,希望第二大的落子位置研讨次数多出一个数量级。
这个就是UCT算法,理论上来说,UCT一定会收敛到最优解。
但是需要的时间不切合实际。
2.比较容易被忽略的是,在研讨过程中,他们的各个局部的研究结论会以一种
高效的形式彼此沟通,换... 阅读全帖 |
|
P*B 发帖数: 944 | 31 上述计算的预设条件是每个人死亡的概率是一致的,且不相关的。
实际情况是,如果某家的房子不结实,全家都埋了。 |
|
s**********d 发帖数: 36899 | 32 是的。凡是纯用概率算的必须建立在完全随机的基础上。而现实世界中绝大多数事件不
是完全随机的。 |
|
m**c 发帖数: 7349 | 33 百分之六概率不小了,等于是进出雪城大学20次,就要被骚扰一次 |
|
d*****u 发帖数: 17243 | 34 RNN在训练的时候,每一步只跟当前的label比较,得出误差。
但是RNN每一步都会把当前信息反馈回网络去,所以后面的输出是coditioned on前面的
输出。
特别是LSTM,它有gate控制记忆和遗忘,可能记住较长的序列。
把RNN和CRF弄到一起,就是最后用transitional概率再优化一次。 |
|
b****s 发帖数: 872 | 35 两回事,人是知道思考,知道自己做什么
概率模型以及神经网络和老中医算命差不多,靠蒙。
所以实验室理想环境容易蒙,吹牛就用这些imagenet
到了实际环境,什么干扰噪声一起上,就蒙不出来了 |
|
|
D***r 发帖数: 7511 | 37 这是明摆的事情。思考就是经验+偏见
概率模型也是客观数据+偏见 |
|
t**x 发帖数: 20965 | 38 我是学理的,
就算你是好学校出来的, 也是北京上海人。
你出口就是Independent, 但是不是。。 美国医生都要看病人去过哪里, 你第一次见
医生可能算, 以后就不可能了。。 除非你骗了医生。
你是搞啥的, 证据不看, 只提自己模型。。 太可怕了。。 |
|
t**x 发帖数: 20965 | 39 内行人估计懒得理你, 你真是啥也不懂。
先把我那几张slides看了(看了后更容易懂故事), 然后到
longlongcare.com
看全部故事。
估计以后对你一辈子做模型有帮助。
你叔真是好心劝你。 你太优质单纯了。 |
|
w********2 发帖数: 632 | 40 个人觉得数学有局限性,不包含精神的东西。用数学表达社会学心理学漏洞百出。用数
学表现经济学股票买卖模型,一直预测不准,到后来NASH搞出GAME THEORY,好了很多
,其实是博弈赌博的数学表现,但更是逻辑学,还是不行。现在把心理学引进来,可以
解释很多股市现象。
如果高维宇宙就像一个完整程序,那我们都是游戏生命了。看穿了就很可悲了。TURTH
HURTS。 |
|
b****e 发帖数: 119 | 41 不是ontology-based, 基本是基于概率模型+ grammar parsing + pattern matching。
有一点推
理,很有限。 |
|
X****r 发帖数: 3557 | 42 说得很好,补充一点。
严格地说,即使在给定大家都按照第一种理解的前提下,知道至少有一个孩
子是女孩和知道至少有一个孩子是女孩并且满足某种特定条件(叫Jessica,
喜欢skating)是不一样的情况,因为后者带有额外的信息。但是真得要利
用这个额外的信息就需要知道两个女孩名字和爱好的联合分布,特别是在不
能重名的假定下(能重名的话各个女孩名字和爱好独立分布就是一个很好的
模型,前面plus给了一个解),这是题中没有给予的,所以很明显出题人的
意图是不要考虑这个额外的信息。 |
|
|
发帖数: 1 | 44 想搞机器学习,如果只是以后想混口饭吃的话,千万别去学数学系的那一套。学完后,
你会十分看不惯ee,cs人写的文章,然后看论文每次都在想background,纠结概念,想
bound能不能改进(如果有的话)。这些,其实如果只是想做工程的话,是一点用都没
的。纯属浪费时间。
如果不想搞理论,有两样东西千万别碰,一样是实分析,一样是C++。真的,跟毒品一
样,除了不会让你high。。。一些基本的线代,多元微积分,概率论就够了。其实大部
分非数学系搞机器学习的老师数学也就复旦大四本科生的平均水平。有时真的也挺替数
学系的老师打抱不平的,好的算法都是数学系的搞出来的,到了cs或ee那边做个应用就
功劳全归他们了。有点像花姐前两天说的纳什引用角谷静夫不动点的那个例子。
关于manifold learning,这东西其实效果挺好的,我有个学长就是拿它做过一个项目
,据称效果并没有比其他方法更显著,但是可视化好。这块的理论我目前还不是十分满
意(没有看到看完能让我感到很爽的论文)。有兴趣的话可以去看看yaoyuan写的一本
他在北大的讲义,很精练的一小本。如果有谁知道有什么关于manifold lea... 阅读全帖 |
|
w***w 发帖数: 6301 | 45 twm有衰减吧。
不过这个操作的致命之处是反趋势。
输的概率95%-99%。 |
|
w***w 发帖数: 6301 | 46 当然不同。
压趋势就是压概率最大的那个可能。
至于判断趋势的转折,请关注我的模拟。
如果我不能判断转折,我可不敢说一年能翻十倍。 |
|
k***a 发帖数: 2258 | 47 【 以下文字转载自 Military 讨论区 】
发信人: majia555 (majia), 信区: Military
标 题: 六四的股市是我共试验新型经济核武器
发信站: BBS 未名空间站 (Tue Jun 19 19:23:02 2012, 美东)
能精确让股市跌89.64点,这其实不是偶然,而是我共已能精确操控金融的核武器试验
。其核心技术是精确概率模型,能像反导导弹那样锁定目标及时矫正。
为什么把这个技术叫经济核技术?看看希腊就知道了。希腊其实根本是被高盛操控来拖
垮欧洲的,其目的当然是洗劫欧洲财富。我要你股市跌就跌,我要你汇率垮就垮,这种
金融核武器已试验很多次。表面上看是经济,其实不亚于军事:不动一刀一兵,就可以
让一个国家趴下。
我共有了这个能力,自然要宣布。但这种技术你也不能直接在人民日报发头版头条:我
国掌握操控金融技术。这太滑稽了点。但也不能捂着,核武器就是拿来威胁对手的。所
以得选个适当的时间秀秀肌肉,那自然是64最好。61没人关心,71党建不能开着玩笑,
自然只能64了。
有了这个武器,我共灭美帝不行,灭个英国、香港、韩国、日本没问题。 |
|
i********y 发帖数: 346 | 48 我的帖子确实比较理论化,更多是方法论的东西,本来想在加一段更加实际的东西,但
是正好有点事情在忙,现在空下来了,再多啰嗦几句。股市投资由于每个人的投资目标
和投资经验不同,所以对一部分投资者有价值的东西对另一部分可能是没价值的,或者
对同一个投资者现在看来没价值的东西等过几年经验丰富一点了又发现有价值了。实际
上,楼上一个ID叫YJPRC的朋友写的建议,以及之前一个大牛说的“新手就挑Dow 30股
票或者S&P500成分股做,其他都不要碰”是有价值的建议。纯粹从统计角度来考虑,如
果大家拿出今年Dow 30成分股来看,YTD差不多一半的股票beat了Dow 指数(远远超过7
-2-1中10%的数据)。如果大家有时间,拿出S&P500成分股来看,其中beat S&P500指数
的股票肯定远超过10%。但是如果大家选的股票来源是全部的上市股票池的话,beat S&
P500指数的比例就远没那么高了。这里给出的启示是这样的:这些股票指数本身定期的
rebalancing过程就是一个优化过程,指数里拉进强势股(通常是一定时期市值增长较
大较快的),剔除弱势股。更深入一点,其实不同的指数给了投资... 阅读全帖 |
|
o****d 发帖数: 2835 | 49 很感谢大蜜
不过评估case会涉及很多因素
很难用一个简单的模型来计算 或者说很多因素很难量化
我试了下 cs 7篇paper 都是top 申请 eb1b 评估出的结果是boarder |
|