خطوات توزيعات ماركوف المنتهية
حرّك متجه الاحتمال حتى 100 انتقال في مصفوفة ماركوف حتى ثماني حالات.
from math import fsum, isfinite
def markov_steps(initial, matrix, steps):
if type(initial) is not list or not 1 <= len(initial) <= 8:
raise ValueError("state count")
n = len(initial)
if type(matrix) is not list or len(matrix) != n or any(
type(row) is not list or len(row) != n for row in matrix):
raise ValueError("square matrix")
rows = [initial] + matrix
if any(type(x) not in (int, float) or not 0 <= x <= 1 or
not isfinite(x) for row in rows for x in row):
raise ValueError("probability values")
if any(abs(fsum(row)-1) > 1e-12 for row in rows):
raise ValueError("row sums")
if type(steps) is not int or not 0 <= steps <= 100:
raise ValueError("step count")
result = initial[:]
for _ in range(steps):
result = [fsum(result[i] * matrix[i][j] for i in range(n))
for j in range(n)]
return result| راجع قبل التطبيق | قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية. |
|---|---|
| النماذج | اضبط نقطة اتصال متوافقة مع OpenAI أو Anthropic باستخدام العنوان الأساسي ومفتاح API عند الحاجة. اختبر الاتصال. يجب أن يعمل خادم النموذج المحلي؛ وقد ترسل الأدوات البعيدة البيانات بشكل منفصل. |
| المشروع | اختبر صفر خطوات والحالات الماصة وارفض السوالب ومجاميع الصفوف التي تختلف عن الواحد بأكثر من 1e-12. |
from math import fsum, isfinite
def markov_steps(initial, matrix, steps):
if type(initial) is not list or not 1 <= len(initial) <= 8:
raise ValueError("state count")
n = len(initial)
if type(matrix) is not list or len(matrix) != n or any(
type(row) is not list or len(row) != n for row in matrix):
raise ValueError("square matrix")
rows = [initial] + matrix
if any(type(x) not in (int, float) or not 0 <= x <= 1 or
not isfinite(x) for row in rows for x in row):
raise ValueError("probability values")
if any(abs(fsum(row)-1) > 1e-12 for row in rows):
raise ValueError("row sums")
if type(steps) is not int or not 0 <= steps <= 100:
raise ValueError("step count")
result = initial[:]
for _ in range(steps):
result = [fsum(result[i] * matrix[i][j] for i in range(n))
for j in range(n)]
return resultأبقِ قواعد الاحتمالات واضحة خلال تغيير الشيفرة
يمنح StepMaranta مهمة نمذجة احتمالية مساحة عمل للبرمجة بالذكاء الاصطناعي على Windows مع سياق المشروع ومحادثة نموذج متصل. ابدأ بقواعد التطبيق للحالات والانتقالات، ثم حدد الإجراء ومستهلكه. طلب شرح قبل التعديل يساعد في تمييز اختلاف التفسير عن خطأ الحساب.
يمكن لمهمة انتقال ماركوف منتهية تحديد توزيع ابتدائي ومصفوفة انتقال قائمة على الصفوف وعدد محدود من الخطوات. أدرج نطاق الاحتمالات المقبول وسماح مجموع الصف في الطلب. اسأل كيف تحفظ الشيفرة المقترحة ذلك العقد عند صفر خطوة وعند حالة ماصة، بدلاً من قبول المخرجات لمجرد أن الأرقام تبدو معقولة.
راجع التغيير الناتج بتوزيعات متوقعة صريحة في اختبارات مشروعك. افحص الأبعاد المشوهة والقيم السالبة منفصلة عن سلوك الانتقال الصحيح. احتفظ بالمدخل الأصلي بجانب المخرجات عند مراجعة التعديل على البيانات. يربط هذا النهج الاقتراح العددي بمتطلبات تطبيق ملحوظة دون تقديم مساحة العمل كخدمة تحقق إحصائي.
يدعم StepMaranta اتصالات نقاط نهاية متوافقة مع OpenAI أو خاصة بـ Anthropic وبيانات اعتماد عند الحاجة. يمكنك اختيار نموذج ذكاء اصطناعي بلا قيود إذا وفرته نقطة النهاية. تعتمد القيود والأدوات المتاحة وحدود السياق على ذلك النموذج والخادم. يبقى تعريفك لقاعدة الانتقال ونتائج تحققك محوريين لقبول الشيفرة المقترحة.
أسئلة لتعديل نموذج انتقال
- أي قاعدة للمصفوفة أقدم؟
حدد هل يصف كل صف انتقالات من حالة وكيف يمثل التوزيع الابتدائي. أدرج نتيجة متوقعة صغيرة. يساعد هذا النموذج على فحص التنفيذ دون استبدال القاعدة بصمت بقاعدة مصفوفة منقولة لا يستخدمها المستدعون.
- لماذا نفحص صفر خطوة صراحة؟
يجعل ذلك بقاء التوزيع الابتدائي دون تغيير متطلباً ملحوظاً وقد يكشف تعديلاً غير مقصود على البيانات. حدد هل يلزم كائن نتيجة منفصل، ثم اختبر القيم المعادة والمدخل الأصلي بفحوص مشروعك قبل قبول التنفيذ المقترح.
- كيف يدخل سماح مجموع الصف في الطلب؟
قدم السماح الذي يتطلبه تطبيقك واشرح ما يحدث خارجه. راجع التحقق منفصلاً عن حساب الانتقال. يمكن للنموذج مناقشة بدائل، لكنه لا ينبغي أن يختار بصمت عتبة قبول مختلفة أثناء تنفيذ تغيير مطلوب غير متعلق بها.
- هل يثبت نجاح مثال الحالة الماصة صحة النموذج كله؟
لا. يفحص سلوكاً مفيداً واحداً للشيفرة. أدرج حالات أخرى ذات صلة وقيّم ملاءمة افتراضات النموذج لتطبيقك. تدعم مساحة العمل مراجعة المصدر؛ ولا تثبت الصلاحية العلمية للاحتمالات التي تقدمها.
StepMaranta · آخر تحديث 2026-10-25