Zusammenfassung
Ein stochastischer MOORE-Automat besteht aus einer Zustandsmenge z, einem Eingabealphabet ξ und einer Menge α von Ausgabesignalen. Es wird vorausgesetzt, daß die Mengen ξ, z und α endlich seien. Weiters soll jedem Paar, zusammengesetzt aus einem Input- und Outputsignal, eine Transitionsmatrix bezüglich z entsprechen und jedem Zustand eine Wahrscheinlichkeitsverteilung über α. Gemäß diesen Outputverteilungen und den Übergangsmatrizen arbeitet ein solches System-ausgehend von einer Initialzustandsverteilung-in diskreten Takten, falls ein Inputprozeß einwirkt. Interpretiert man die Eingaben als Umgebungseinwirkungen auf ein System und die Outputsignale als dessen Reaktionen darauf, so können stochastische Automaten als Modelle in den Verhaltenswissenschaften (Psychologie, Soziologie, Ökonomie) dienen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1969 Springer-Verlag Berlin · Heidelberg
About this chapter
Cite this chapter
Feichtinger, G. (1969). Einleitung. In: Lernprozesse in stochastischen Automaten. Lecture Notes in Operations Research and Mathematical Systems, vol 24. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-95162-6_1
Download citation
DOI: https://doi.org/10.1007/978-3-642-95162-6_1
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-04948-7
Online ISBN: 978-3-642-95162-6
eBook Packages: Springer Book Archive