About: Campo aleatorio de Markov (original) (raw)
En el ámbito de la física y la probabilidad, un Campo aleatorio de Markov (abreviado MRF por sus siglas en inglés), Red Markov o modelo gráfico no dirigido es un conjunto de variables aleatorias que poseen la propiedad de Markov descrito por un grafo no dirigido. Un MRF es similar a una red bayesiana en su representación de las dependencias entre variables aleatorias; la diferencia radica en que las redes bayesianas son dirigidas y acíclicas, mientras que en los MRF las redes son no dirigidas y pueden ser cíclicas. De esta manera, un MRF puede representar determinadas dependencias que una red bayesiana no puede (como dependencias cíclicas); por otro lado, existen dependencias que no puede representar (como dependencias inducidas). El grafo subyacente de un MRF puede ser finito o infinito.
| Property | Value |
|---|---|
| dbo:abstract | En el ámbito de la física y la probabilidad, un Campo aleatorio de Markov (abreviado MRF por sus siglas en inglés), Red Markov o modelo gráfico no dirigido es un conjunto de variables aleatorias que poseen la propiedad de Markov descrito por un grafo no dirigido. Un MRF es similar a una red bayesiana en su representación de las dependencias entre variables aleatorias; la diferencia radica en que las redes bayesianas son dirigidas y acíclicas, mientras que en los MRF las redes son no dirigidas y pueden ser cíclicas. De esta manera, un MRF puede representar determinadas dependencias que una red bayesiana no puede (como dependencias cíclicas); por otro lado, existen dependencias que no puede representar (como dependencias inducidas). El grafo subyacente de un MRF puede ser finito o infinito. Cuando la función de distribución conjunta de las variables aleatorias es estrictamente positiva, se le llama también campo aleatorio de Gibbs, porque, según el , puede ser representado por una para un función de energía apropiada (localmente definida). El prototipico MRF es el modelo de Ising; de hecho, el MRF fue introducido como el entorno general para el modelo de Ising. En el ámbito de la inteligencia artificial, un MRF suele usarse para modelar varias faces de algoritmos de procesamiento de imagen y visión por computadora. (es) |
| dbo:wikiPageID | 7249925 (xsd:integer) |
| dbo:wikiPageLength | 12666 (xsd:integer) |
| dbo:wikiPageRevisionID | 120146977 (xsd:integer) |
| dct:subject | category-es:Teoría_de_probabilidades |
| rdfs:comment | En el ámbito de la física y la probabilidad, un Campo aleatorio de Markov (abreviado MRF por sus siglas en inglés), Red Markov o modelo gráfico no dirigido es un conjunto de variables aleatorias que poseen la propiedad de Markov descrito por un grafo no dirigido. Un MRF es similar a una red bayesiana en su representación de las dependencias entre variables aleatorias; la diferencia radica en que las redes bayesianas son dirigidas y acíclicas, mientras que en los MRF las redes son no dirigidas y pueden ser cíclicas. De esta manera, un MRF puede representar determinadas dependencias que una red bayesiana no puede (como dependencias cíclicas); por otro lado, existen dependencias que no puede representar (como dependencias inducidas). El grafo subyacente de un MRF puede ser finito o infinito. (es) |
| rdfs:label | Campo aleatorio de Markov (es) |
| prov:wasDerivedFrom | wikipedia-es:Campo_aleatorio_de_Markov?oldid=120146977&ns=0 |
| foaf:isPrimaryTopicOf | wikipedia-es:Campo_aleatorio_de_Markov |
| is dbo:wikiPageRedirects of | dbpedia-es:Red_de_Markov |
| is owl:sameAs of | dbr:Campo aleatorio de Markov |
| is foaf:primaryTopic of | wikipedia-es:Campo_aleatorio_de_Markov |