Inhalt

[ 201WTMSMACU22 ] UE Markov Chains

Versionsauswahl
(*) Leider ist diese Information in Deutsch nicht verfügbar.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
1,5 ECTS B3 - Bachelor 3. Jahr Mathematik Dmitry Efrosinin 1 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Bachelorstudium Technische Mathematik 2025W
Lernergebnisse
Kompetenzen
Die Studierenden sollten über Grundkenntnisse der Wahrscheinlichkeitstheorie verfügen
Fertigkeiten Kenntnisse
  • Grundbegriffe der Markov-Kette mit diskreter und kontinuierlicher Zeit kennen
  • Untersuchen Sie die Eigenschaften von Markov-Ketten mit Bewertungen
  • Ableitung einer iterativen Lösung für sequentielle Markov-Entscheidungsprozesse
  • Entwicklung der Politik-Iteration für die Lösung von Optimierungsproblemen
  • Praktische Anwendung des Politik-Iterationsalgorithmus auf reale Steuerungsprobleme
  • Die wichtigsten Eigenschaften von sequentiellen Entscheidungsprozessen mit Diskontierung zu verstehen
Berechnung der Zustandswahrscheinlichkeiten von Markov-Prozessen, Algorithmen der dynamischen Programmierung, Lösung des Optimierungsproblems mit Hilfe von Markov-Entscheidungsprozessen
Beurteilungskriterien (*)The evaluation consists of attendance, number of examples ticked and blackboard performance.
Lehrmethoden (*)Preparation of homework to be presented at the blackboard.
Abhaltungssprache English
Lehrinhalte wechselnd? Nein
Frühere Varianten Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
TM1WCUEMARK: UE Markov-Ketten (2004S-2022S)
Präsenzlehrveranstaltung
Teilungsziffer 25
Zuteilungsverfahren Direktzuteilung