بررسی تابع لاجستیک به عنوان مولد عدد تصادفی و زنجیره مارکوف تابع
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,335
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEEE04_238
تاریخ نمایه سازی: 6 مهر 1391
Abstract:
در اغلب روشهای شبیه سازی نیاز به یک تابع مولد اعداد تصادفی می باشد. روش هایی برای ارزیابی ضعف یا توانایی این توابع در تولید اعداد تصادفی وجود دارد که در این مقاله به آنها پرداخته شده و روش استفاده از زنجیره مارکوف را شرح خواهیم داد. در این مقاله تابع آشوبگر (Logistic) را به عنوان مولد اعداد تصادفی معرفی کرده و سپس با تستهای مختلف ارزیابی می کنیم که مولد مناسبی هست یا نه. در روش مارکوف ابتدا هر عدد تولید شده را یک state از زنجیره در نظر گرفته و سپس احتمال انتقال از هر حالت به حالت بعد را محاسبه و ماتریس انتقال تشکیل می دهیم. با توجه به ارگودیک بودن زنجیره حاصل ماتریس سکون را تشکیل داده و به توزیع احتمال تولید هر عدد دست می یابیم و در نهایت می بینیم که نمی تواند مولد مناسبی باشد.
Keywords:
لاجستیک (logistic) , مارکوف (markov) , ارگودیک (ergodic) , سکون (equilibrium) , آتروپی , همبستگی , مربع کای (کای دو) , کلوموگروف سمیرنوف
Authors
آرش لرکی محمدی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه امام رضا(ع)
زهرا پورمند
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه امام رضا (ع)
مهدی رایجی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه امام رضا (ع)
صدق پاسبان
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه تربیت معلم تهران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :