如何解决决定序列预测方法
我有一个用二进制位串表示的 128 个状态的空间。这些状态之间的转移概率我是知道的，如下：
(('1111111','1111111'),0.255),(('0000000','0000000'),0.027),(('1111111','1111101'),0.016),'1111110'),(('1111011',0.014),...
(('0000000','0111010'),0.0),(('0111010','1000101'),(('1000101',0.0)
不同位位置的值可以相互依赖，即表示状态的位串的位置 x 处的值可以影响该状态的位串中另一个位置 y 处的值。但是，我不知道不同位位置的值如何相互依赖。
我想将最多 t 步的状态序列作为输入，例如 [0111111,1111110,1111011,1101110,1111111,1111101]，并想预测第 (t+1) 步的状态。
到目前为止，我已经分别考虑了每个位位置上的 Viterbi 算法和状态位串整数值上的 Seq2Seq 模型。但是，我认为他们没有解决不同位位置相互依赖的可能性，也没有利用我计算的转移矩阵。
这个问题似乎很常见，但由于在社会研究领域，我可能不太熟悉解决此类问题的任何现有算法。您能否建议我在给定场景中应用一个好的算法或模型？另外，如果您能指导我使用任何可以帮助我使用的可用 Python 库，我们将不胜感激。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
