where n is a white noise process.

where n is a white noise process. This model is often used when developing coding
algorithms for speech and images.
The use of the Markov model does not require the assumption of linearity. For example,
consider a binary image. The image has only two types of pixels, white pixels and black
pixels. We know that the appearance of a white pixel as the next observation depends,
to some extent, on whether the current pixel is white or black. Therefore, we can model
the pixel process as a discrete time Markov chain. Define two states Sw and Sb (Sw would
correspond to the case where the current pixel is a white pixel, and Sb corresponds to the
case where the current pixel is a black pixel). We define the transition probabilities Pw/b
and Pb/w, and the probability of being in each state PSw and PSb. The Markov model
can then be represented by the state diagram shown in Figure 2.2.
The entropy of a finite state process with states Si is simply the average value of the
entropy at each state

Kết quả (Việt) 1:

trong đó n là một quá trình tiếng ồn trắng. Mô hình này thường được sử dụng khi phát triển mã hóathuật toán cho bài phát biểu và hình ảnh.Việc sử dụng các mô hình Markov không cần giả định linearity. Ví dụ:Hãy xem xét một hình ảnh nhị phân. Hình ảnh có chỉ có hai loại pixel, điểm ảnh màu trắng và đenpixel. Chúng ta biết rằng sự xuất hiện của một điểm ảnh trắng như các quan sát sau phụ thuộc,một số mức độ, vào các điểm ảnh hiện nay là màu trắng hoặc đen. Vì vậy, chúng ta có thể mô hìnhtrình điểm ảnh như là một chuỗi thời gian rời rạc Markov. Xác định hai kỳ Sw và Sb (Sw nàotương ứng với các trường hợp mà các điểm ảnh hiện nay là một điểm ảnh màu trắng, và Sb tương ứng với cáctrường hợp nơi hiện tại pixel là điểm ảnh màu đen). Chúng tôi xác định quá trình chuyển đổi xác suất P w/bvà P b/w, và xác suất của đang là trong mỗi tiểu bang P Sw và P Sb. Mô hình Markovsau đó có thể được đại diện bởi biểu đồ trạng thái Hiển thị trong hình 2.2.Entropy của một quá trình hữu hạn nhà nước với kỳ Si là chỉ đơn giản là giá trị trung bình của cácdữ liệu ngẫu nhiên ở mỗi tiểu bang

Kết quả (Việt) 2:

trong đó n là một quá trình tiếng ồn trắng. Mô hình này thường được sử dụng khi phát triển mã hóa
thuật toán cho các bài phát biểu và hình ảnh.
Việc sử dụng các mô hình Markov không cần giả thiết tuyến tính. Ví dụ,
hãy xem xét một hình ảnh nhị phân. Những hình ảnh chỉ có hai loại điểm ảnh, điểm ảnh màu trắng và đen
pixel. Chúng ta biết rằng sự xuất hiện của một điểm ảnh màu trắng như những quan sát tiếp theo phụ thuộc,
đến một mức độ nào, vào việc các điểm ảnh hiện tại là màu trắng hoặc đen. Do đó, chúng ta có thể mô hình
các quá trình pixel như một thời gian rời rạc chuỗi Markov. Xác định hai quốc Sw và Sb (Sw sẽ
tương ứng với các trường hợp các điểm ảnh hiện tại là một điểm ảnh màu trắng, và Sb tương ứng với
trường hợp các điểm ảnh hiện tại là một điểm ảnh màu đen). Chúng tôi xác định xác suất chuyển đổi P? W / b?
Và P? B / w ?, và xác suất bị trong mỗi P bang Sw? và P? Sb ?. Các mô hình Markov
sau đó có thể được biểu diễn bằng sơ đồ trạng thái như trong hình 2.2.
Entropy của một quá trình hữu hạn nhà nước với các quốc gia Si chỉ đơn giản là giá trị trung bình của
entropy tại mỗi tiểu bang