问题标签 [markov]

我对实现与此人链接所做的类似事情的处理方式感兴趣

据我所知，她在 tiff's 中切了一段视频，然后用 RiTa Library 将它们组合起来

有谁知道如何实现这样的事情，只是改变了我正在使用另一种扩展名或文件格式的事实。我想用声音样本来实现这一点。

任何关于代码、逻辑或类似作品的信息，并且可以免费更改。

开导我！！

谢谢

对于直接问题，我如何使用以下代码导入和读取这些文件。

那么我怎样才能或可以用例如 .mp3 文件更改 .txt 文件，然后如何通过处理来播放它？像 Minim 这样的音频库？

任何想法都会有所帮助。

为了实现空间分析，我在 R 的 mgcv 包中的一个示例中尝试了一个简单的马尔可夫随机场平滑器，手册在这里：

https://stat.ethz.ch/R-manual/R-devel/library/mgcv/html/smooth.construct.mrf.smooth.spec.html

这是我试过的例子：

但是，当我查看 b$coefficients 中的估计系数时，马尔可夫随机场平滑器有 48 个估计值：

但是，区域形状列表显示 49 个区域（从 0 到 48）。当我尝试我的数据时，同样的情况发生了，因为包含 28 个区域的数据仅从马尔可夫随机场平滑器中产生了 27 个估计值。

我的理解是，作为空间函数的马尔可夫随机场可以看作是一种结构化的随机效应；然而，R 中 mgcv 包中的马尔可夫随机场平滑器似乎自动将第一个区域设置为参考水平。我想知道它是否就像一个固定效应但在考虑空间自相关的情况下？

如果是这样，一个扩展的问题是如何解释这样的输出？我觉得很奇怪，空间估计可以解释为每个区域与参考区域之间的差异，但这种解释并没有太大意义。

我在想我们是否可以像 R 中的随机效应一样拟合马尔可夫随机场。希望熟悉这个包的任何人都可以提供一些建议。谢谢！

我有一个有趣的问题。我——为了狗屎和傻笑——试图很快写一个程序。我把它减少到 2 行，但它有一个竞争条件，我不知道为什么。这是它的要点：

每隔一段时间，就会产生以下异常。但不总是。那是我的问题。我怀疑执行顺序不能保证，特别是因为我使用了列表技巧——我假设解释器可以预测 setattr() 返回 None 并且知道我只选择列表中的第二件事，因此它将实际的 setattr() 推迟到以后。但它只是偶尔发生。有任何想法吗？CPython 是否会自动处理一些事情，如 map、filter、reduce 调用？

我尝试修改 globals() 和 vars() insetad 使用 setattr()，但这似乎没有帮助（相同的异常序列）。

这是实际的代码：

如果你好奇：这是读入一个文本文件，生成一个马尔科夫模型，然后吐出一个句子。

我有一个 1/0 的序列，表示患者是否处于缓解状态，

假设缓解记录是在离散时间采集的，

我如何检查每个患者的马尔可夫属性，然后总结调查结果，即假设任何患者在任何时候缓解的概率仅取决于患者上次缓解/上次没有缓解（与事情相同）就像说任何患者在任何时候缓解的概率仅取决于患者在前一行是否有缓解，如果不是第一次观察的话）

P(r=1 at t=t+1|r=1 at t)=p(r=1 at t+1|r=1 at t, r=0 at t=t-1, r=1 at t =t-2, r=1 在 t=t-3)

如果您了解马尔可夫属性，则易于理解

这是我的 df 的摘录

患者 ID 缓解

有任何想法吗？使用所需条件对数据框进行子集化，然后使用“msm”包或（可能更好的方法）仅查看状态转换表来计算概率，但我该怎么做，对于数据框的子集，我需要例如只包括患者三个连续的 0 处于缓解状态（包括 0 现在处于缓解状态）并将其与两个连续 0 处于缓解状态（包括 0 现在处于缓解状态）的数据帧的子集进行比较 -

我有一个 1/0 的序列，表示患者是否处于缓解状态，

假设缓解记录是在离散时间采集的，

我如何检查每个患者的马尔可夫属性，然后总结调查结果，即假设任何患者在任何时候缓解的概率仅取决于患者上次缓解/上次没有缓解（与事情相同）就像说任何患者在任何时候缓解的概率仅取决于患者在前一行是否有缓解，如果不是第一次观察的话）

P(r=1 at t=t+1|r=1 at t)=p(r=1 at t+1|r=1 at t, r=0 at t=t-1, r=1 at t =t-2, r=1 在 t=t-3)

如果您了解马尔可夫属性，则易于理解

这是我的 df 的摘录

患者 ID 缓解

有任何想法吗？使用所需条件对数据框进行子集化，然后使用“msm”包或（可能更好的方法）仅查看状态转换表来计算概率，但我该怎么做，对于数据框的子集，我需要例如只包括患者三个连续的 0 处于缓解状态（包括 0 现在处于缓解状态）并将其与两个连续 0 处于缓解状态（包括 0 现在处于缓解状态）的数据帧的子集进行比较 -

有人问了这个问题，但我相信这个陈述有一些真正有帮助的部分

我正在尝试使用 R 包 R2BayesX 来拟合多状态模型。我怎样才能正确地做到这一点？手册中没有示例。这是我的尝试。

• 活动是 1/0 即状态
• 时间就是时间
• 患者 id 是我想要的随机效应

注意：创建了新的输出目录

警告信息：

在 run.bayesx(file.path(res$bayesx.prg$file.dir, prg.name = res$bayesx.prg$prg.name), : BayesX
运行时出错，请检查 BayesX 日志文件！

我正在尝试使用不是为它制作的代码来模拟马尔可夫链。我的 for 循环不正确，我继续收到错误消息，但我跟踪了括号和语法，但我不能完全解决这个问题。马尔科夫链的矩阵是马尔科夫。我试图通过附加到向量 a 来绘制每个点，但我不认为我的循环完全符合我的要求。

我正在使用随机数生成器来测试要进出哪个状态。我知道编写此代码有更简单的方法，但我想尝试使用这个基本基础来正确编写代码。如果你能帮助我理顺代码并找出正确嵌套循环的方法，我将不胜感激。

x 是我的起点马尔可夫链概率是均匀分布的

有没有人尝试过使用“MSwM”运行马尔可夫切换模型并设置超过 2 个机制？三个它似乎不起作用

数据 (r_t)

代码

错误信息

我需要在转换矩阵中合并两个状态：

例如：我有下面的矩阵

我想加入 D 和 E 州：

获得行和列（D+E）的公式是什么？

使用约束：“列的总和必须等于 1”很容易计算元素：

(A,(D+E))=0.2

(B,(D+E))=0.2

(C,(D+E))=0.1

(F,(D+E))=0.5

如何计算行 ((D+E),i) 的元素？

我正在使用 EM 训练一个隐马尔可夫模型，并且想要估计我对学习参数的“确定性”程度（即估计的转换、发射和先验概率）。一般来说，不同的初始条件会导致不同的参数，但在许多情况下，不同的参数具有相似的可能性。

我正在寻找某种方法来探测可能性地形以估计局部最大值的数量，以便更好地了解我可能得到的不同结果。（运行算法需要很长时间，所以我无法运行足够的时间来进行“幼稚”的敏感性分析）任何标准方法可以做到这一点？