元胞自动机简介(美赛复习一)

article/2025/10/12 22:28:15

为美赛准备,进行元胞自动机的简单回顾。
本文只是简单回顾,可能会进行相关论文复现。

文章目录

    • 一、简介
  • 1.元胞
  • 2.元胞空间
  • 3.元胞邻居
  • 4.边界条件
  • 5.规则
    • 二、简单例子

一、简介

元胞自动机:是一种时间、空间、状态都离散,空间相互作用和时间因果关系为局部的网格动力学模型,具有模拟复杂系统时空演化过程的能力。
元胞自动机由元胞元胞空间元胞邻居元胞规则四部分组成。
在这里插入图片描述

1.元胞

元胞:可称为单元或基元,是元胞自动机最基本的部分。
元胞状态:在最简单的情况下,元胞有两种可能状态;较复杂情况下,具有多种状态。元胞的状态都按照元胞自动机的动力规则不断更新。

2.元胞空间

元胞空间:就是元胞在空间分布上的集合。
元胞空间的类型:
在这里插入图片描述

3.元胞邻居

元胞邻居:某一元胞状态更新时所要搜索的空间域就是该元胞的邻居。
元胞邻居类型:
在这里插入图片描述

4.边界条件

理论上,元胞空间是无限的,实际应用中无法达到这一理想条件。为了给元胞空间边界上的元胞拥有规则所需要的邻居,就需要构造出一些虚拟的邻居。
常用的邻居边界条件类型有:固定型周期型绝热型映射型这四种
(1)固定型边界
在这里插入图片描述
(2)周期型边界
在这里插入图片描述
(3)绝热型边界
在这里插入图片描述
(4)映射型边界
在这里插入图片描述

5.规则

根据元胞当前状态及邻居的状态决定下一时刻该元胞状态
元胞自动机根据规则进行局部元胞间的相互作用从而引起全局的变化。
特征:
1.离散型:空间、时间及状态都是离散的
2.同质性:服从相同的规律分布方式相同
3.并行性:元胞的状态更新规则变化是同步进行的
4.高维度:元胞自动机是一类无穷维动力系统
初等元胞自动机的介绍:
一维元胞自动机的元胞邻居半径为1;元胞有且只有两种状态。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二、简单例子

1.奇偶规则
元胞有两种状态,邻居之和为奇数时中心元胞为1;邻居之和为偶数,中心元胞变为0。
在这里插入图片描述

奇偶规则代码
clc
clear all;
n=200;
Se=zeros(n);
Z=zeros(n);
Se(n/2-2:n/2+2,n/2-2:n/2+2)=1;
Ch=imagesc(cat(3,Se,Z,Z));  %可视化
axis square  %加边框
Sd=zeros(n+2);  
while(1)Sd(2:n+1,2:n+1)=Se;sum=Sd(1:n,2:n+1)+Sd(3:n+2,2:n+1)+Sd(2:n+1,1:n)+Sd(2:n+1,3:n+2);Se=mod(sum,2);set(Ch,'cdata',cat(3,Se,Z,Z))pause(0.05)
endfigure

2.生命游戏
在一个正方形的棋盘中,每个小格有两种状态,“生”或“死”,每个小格有8个邻居。
①、对于“生”的格子,若它的8个邻居中有两个或者三个为“生”,则该格继续保持“生”,否则就变为“死”。 ②、对于“死”的格子,若它的8个邻居中有3个“生”,则该格变为“生”,否则继续保持“死”。
在这里插入图片描述

生命游戏代码
clc
clear;
n=200;
p=0.4;
z=zeros(n);
Se=rand(n)<p;
Sd=zeros(n+2);%矩阵初始化
Ph=image(cat(3,Se,z,z));%初始可视化
while(1)Sd(2:n+1,2:n+1)=Se;%Sum=Sd(1:n,2:n+1)+Sd(3:n+2,2:n+1)+Sd(2:n+1,1:n)+Sd(2:n+1,3:n+2)+Sd(1:n,1:n)+Sd(3:n+2,1:n)+Sd(1:n,3:n+2)+Sd(3:n+2,3:n+2);
%邻居之和(邻居中生的元胞的数目)for i=1:nfor j=1:nif Sum(i,j)==3||(Sum(i,j)==2&&Se(i,j)==1)%生的条件Se(i,j)=1;else Se(i,j)=0;endend
end
set(Ph,'cdata',cat(3,Se,z,z))%更新可视化drawnow
end

3.澳洲火灾
经典的森林火灾元胞自动机模型是由 Drossel 和 Schwabl 在1992年提出。森林火灾元胞自动机模型定义在正方形网格上,元胞有三种状态:树,火和空地。
规则:
在这里插入图片描述
在这里插入图片描述

澳洲火灾代码
clc
clear
n = 300;                           % 定义表示森林的矩阵大小
Plight = 5e-6; Pgrowth = 1e-2;     % 定义闪电和生长的概率  
UL = [n,1:n-1]; DR = [2:n,1];      % 定义上左,下右邻居
veg=zeros(n,n);                    % 初始化表示森林的矩阵
imh = image(cat(3,veg,veg,veg));   % 可视化表示森林的矩阵
% veg = 空地为0 着火为1 树木为2
for i=1:3000 sum =(veg(UL,:)==1) + (veg(:,UL)==1)+(veg(:,DR)==1) +  (veg(DR,:)==1);  % 计算出所有格子有几个邻居是着火的
% 根据规则更新森林矩阵:是否树=是否树-是否着火的树+是否新生的树(0-1运算)veg = 2*(veg==2) - ( (veg==2) & (sum>0 |(rand(n,n)<Plight)) ) +2*((veg==0) & rand(n,n)<Pgrowth) ;  set(imh, 'cdata', cat(3,(veg==1),(veg==2),zeros(n)) )drawnow                         % 可视化表示森林的矩阵
end

http://chatgpt.dhexx.cn/article/ERMZxIj5.shtml

相关文章

【数学建模】元胞自动机(CA)详解 + Matlab代码实现

文章目录 一、什么是元胞自动机&#xff1f;二、图解元胞自动机&#xff1a;三、案例Matlab代码实现&#xff1a;1.奇偶规则2.生命游戏3.森林火灾 一、什么是元胞自动机&#xff1f; 元胞自动机(cellular automata&#xff0c;CA) 是一种时间、空间、状态都离散&#xff0c;空…

迁移学习在金融行业的应用探索

摘要&#xff1a;通过迁移学习技术&#xff0c;解决少量数据&#xff08;较少重叠样本和特征&#xff09;和个性化&#xff08;较少标记&#xff09;的问题&#xff0c;从数据丰富的领域迁移到数据匮乏的领域。通过迁移学习在保证模型准确率的同时&#xff0c;也提高了建造模型…

pytorch之迁移学习

文章目录 1.导入相关的包2.加载数据3.可视化部分图像数据4.训练模型5.可视化模型的预测结果6.场景1&#xff1a;微调ConvNet7.场景2&#xff1a;ConvNet作为固定特征提取器 实际中&#xff0c;基本没有人会从零开始&#xff08;随机初始化&#xff09;训练一个完整的卷积网络&a…

翻译: Transfer learning 迁移学习指南

这是您需要了解的有关经典迁移学习和深度迁移学习的所有信息。阅读本指南可改进您的模型训练并在更短的时间内获得更好的性能。 1. 背景 事情是这样的—— 至少可以说&#xff0c;在处理一项全新的任务时收集大量数据可能具有挑战性。 然而- 仅使用有限数量的训练数据获得…

迁移学习方法学习

目录 迁移学习的基础知识迁移学习的概念迁移学习的分类按目标域标签分按学习方法分按特征分类按离线与在线形式分 迁移学习的基本方法基于样本的迁移基于特征的迁移基于模型的迁移基于关系的迁移 深度迁移学习深度网络的可迁移性最简单的迁移学习——finetune finetune的使用技…

迁移学习实例

上一篇我们介绍了迁移学习的核心思想和流程&#xff0c;我们介绍一个实例来加深理解。 传送门&#xff1a;迁移学习概述 获取预训练模型 pytorch和tensorflow都封装了很多预训练模型。 pytorch通过工具包torchvision.models模块获取&#xff0c;主要包括AlexNet、VGG系列、 Res…

迁移学习与微调的区别

一、迁移学习&#xff1a; 1、从字面意义上理解是知识转移的学习方法&#xff0c;指一种学习方法&#xff1b;类比机器学习、深度学习等等概念&#xff1b; 2、把已训练好的模型参数迁移到新的模型来帮助新模型训练二、微调&#xff1a; 1、从字面意义上理解是小小的调整&…

迁移学习---举一反三

1.概念 迁移学习是指充分考虑数据、任务、或者模型的相似性&#xff0c;将在旧领域学习到的模型&#xff0c;应用到新的领域的一种学习过程。 通俗的讲就是把已经学习训练好的模型参数迁移到新的模型进行训练。考虑到大部分数据或任务是存在相关性的&#xff0c;所以通过迁移…

迁移学习基础

人类具有跨任务传输知识的固有能力。我们在学习一项任务的过程中获得的知识&#xff0c;可以用来解决相关的任务。任务相关程度越高&#xff0c;我们就越容易迁移或交叉利用知识。到目前为止所讨论的机器学习和深度学习算法&#xff0c;通常都是被设计用于单独运作的。这些算法…

学习迁移学习

学习迁移学习 一、相关背景 随着机器学习和数据挖掘不断发展&#xff0c;一个愈加明显的问题出现在人们面前&#xff1a;要想机器学习能够正常运转必须要保证训练集和测试集有相同的特征空间并且同分布。一旦分布改变&#xff0c;大多数模型往往要根据数据重建&#xff0c;这…

联邦迁移学习

本博客地址&#xff1a;https://security.blog.csdn.net/article/details/123573886 一、联邦学习的定义 横向联邦学习和纵向联邦学习要求所有的参与方具有相同的特征空间或样本空间&#xff0c;从而建立起一个有效的共享机器学习模型。然而&#xff0c;在更多的实际情况下&am…

迁移学习(二)

迁移学习综述&#xff08;二&#xff09;&#xff08;学习笔记&#xff09; A Comprehensive Survey on Transfer Learning 1.引言 迁移学习的目标是利用来自相关领域(称为源领域)的知识&#xff0c;以提高学习性能或最小化目标领域中需要的标记示例的数量。知识转移并不总是…

深度学习中的迁移学习介绍

迁移学习(Transfer Learning)的概念早在20世纪80年代就有相关的研究&#xff0c;这期间的研究有的称为归纳研究(inductive transfer)、知识迁移(knowledge transfer)、终身学习(life-long learning)以及累积学习(incremental learning)等。直到2009年&#xff0c;香港科技大学杨…

迁移学习综述

这是我根据北京邮电大学一位博士的讲解视频所归纳的笔记 视频地址&#xff1a;https://www.bilibili.com/video/BV1ct41167kV?spm_id_from333.337.search-card.all.click 正文 我们为什么需要迁移学习&#xff1f; 众所周知&#xff0c;AlphaGo是通过强化学习去训练&#x…

整理学习之深度迁移学习

迁移学习&#xff08;Transfer Learning&#xff09;通俗来讲就是学会举一反三的能力&#xff0c;通过运用已有的知识来学习新的知识&#xff0c;其核心是找到已有知识和新知识之间的相似性&#xff0c;通过这种相似性的迁移达到迁移学习的目的。世间万事万物皆有共性&#xff…

迁移学习简要

什么是迁移学习 迁移学习是一种机器学习方法&#xff0c;就是把任务为A的开发模型作为其的初始点&#xff0c;重新使用在任务为B的开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务。虽然大多数机器学习的新 算法都是为了解决单个任务而设计的…

迁移学习(Transfer),面试看这些就够了!(附代码)

1. 什么是迁移学习 迁移学习(Transfer Learning)是一种机器学习方法&#xff0c;就是把为任务 A 开发的模型作为初始点&#xff0c;重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务&#xff0c;虽然大多数机器学习算法都…

迁移学习

简介 好的机器学习模型需要大量数据和许多GPU或TPU进行训练。大多数时候&#xff0c;他们只能执行特定的任务。 大学和大公司有时会发布他们的模型。但很可能你希望开发一个机器学习应用程序&#xff0c;但没有适合你的任务的可用模型。 但别担心&#xff0c;你不必收集大量数据…

迁移学习(Transfer)

1. 什么是迁移学习 迁移学习(Transfer Learning)是一种机器学习方法&#xff0c;就是把为任务 A 开发的模型作为初始点&#xff0c;重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的新任务&#xff0c;虽然大多数机器学习算法都…

2021-11-29 拿到第一个badger

Coursera课程的前三节 What is data science Tool of data science Methodology of data science 感觉更像是阅读理解 今天拿到了第一个badger 准备花一周把剩下俩阅读理解拿了&#xff0c;开始搞实战部分 我走得很慢&#xff0c;但是从来不停下