Marcov Process
{x0, x1, … , xt-1, xt, xt+1, … } 를 랜덤변수 X의 sample 또는 status의 sequence라 하자.
time t 에서의 상태 probability가 오직 t-1 일때의 상태에만 종속(dependent)된다면 이 과정을 Marcov Process라 한다.
식으로 표현하면,
Marcov Process의 대표적인 예로는 Wiener process or Brownian motion 이 있다.
또한 반복적인 recursive estimation 에도 쓰이는데, 대표적으로 Bayes filter – a Kalman filter or a particle filter 에 적용될 수 있다.
Marcov chain
'2016-2 > Robotics & Intelligent System' 카테고리의 다른 글
| System model & Belief distribution (0) | 2016.09.24 |
|---|---|
| Maximum Likelihood Estimator (0) | 2016.09.24 |
| Central Limit Theorem (CLT) (0) | 2016.09.24 |
| Multivariate Gaussian distribution (0) | 2016.09.24 |
