更改

图动力系统 (查看源代码)

2020年11月30日 (一) 17:03的版本

添加3字节、 2020年11月30日 (一) 17:03

第62行：第62行：

例如，从应用程序的角度来看，思考 ''' GDS'''的一个或多个组件包含随机元素的情况是有趣的。激励应用程序可以包括不完全理解的过程(例如:细胞内部的动力学) ，以及所有实际应用的某些方面似乎都符合某些概率分布。还有一些由确定性原理控制的应用程序，因为它们的描述要么复杂要么笨拙，所以考虑概率近似是有意义的。

−

''' 图动力系统graph dynamical system'''的每个元素都可以通过几种方式随机化。例如，在顺序动力系统中，新序列可以是随机的。在每个迭代步骤中，可以从给定的新序列分布中随机选择具有相应概率的更新序列 w。新序列的匹配概率空间引出 SDS 地图的概率空间。在这方面需要研究的一个自然对象是 SDS 映射集合在状态空间上产生的''' ~~马尔可夫链Markov~~ chain '''。这种情况被称为新序列随机 GDS，其目的如，“事件”按照一定的速率随机发生的过程(如化学反应)，在并行计算 / 离散事件模拟中的同步，以及在后面描述的计算范例中的同步! ——确保这个交叉引用保持 / 工作。

+

''' 图动力系统graph dynamical system'''的每个元素都可以通过几种方式随机化。例如，在顺序动力系统中，新序列可以是随机的。在每个迭代步骤中，可以从给定的新序列分布中随机选择具有相应概率的更新序列 w。新序列的匹配概率空间引出 SDS 地图的概率空间。在这方面需要研究的一个自然对象是 SDS 映射集合在状态空间上产生的''' 马尔可夫链 Markov chain '''。这种情况被称为新序列随机 GDS，其目的如，“事件”按照一定的速率随机发生的过程(如化学反应)，在并行计算 / 离散事件模拟中的同步，以及在后面描述的计算范例中的同步! ——确保这个交叉引用保持 / 工作。

−

这个带有随机更新序列的具体例子说明了这类系统的两个一般事实: 当传递到一个''' ~~随机图动力系统Stochastic~~ graph dynamical system'''时，一般会导致: (1)对''' 马尔可夫链Markov chain '''的研究(其具体结构由 ''' GDS''' 的组成部分控制) ，和(2)由此产生的''' ~~马尔可夫链Markov~~ chain '''趋向于具有指数数量的状态。随机 ''' GDS''' 研究的一个中心目标是能够推导出简化模型。

+

这个带有随机更新序列的具体例子说明了这类系统的两个一般事实: 当传递到一个''' 随机图动力系统 Stochastic graph dynamical system'''时，一般会导致: (1)对''' 马尔可夫链Markov chain '''的研究(其具体结构由 ''' GDS''' 的组成部分控制) ，和(2)由此产生的''' 马尔可夫链 Markov chain '''趋向于具有指数数量的状态。随机 ''' GDS''' 研究的一个中心目标是能够推导出简化模型。

我们也可以考虑顶点函数是随机的情况，即函数是随机的 GDS。例如，随机布尔网络是函数随机 GDS 使用同步更新方案的例子，其中状态空间为 k {0,1}。有限概率''' 细胞自动机（PCA)'''是功能随机 GDS 的另一个例子。原则上，相互作用粒子系统(IPS)包括有限和无限的 PCA，但实际上，IPS 的工作主要是关注无限的情况，因为这允许在状态空间中引入更多有趣的'''拓扑Topologies '''。

不是海绵宝宝

863

个编辑