Metraipolis › archive › dc_d52bb0039096

Campo casuale di Markov — Wikipedia

Source
Wikipedia (it)
Original
https://it.wikipedia.org/wiki/Campo_casuale_di_Markov
License (as archived)
CC-BY-SA-4.0
Archived
2026-10-07T14:29:24.324Z
SHA-256 of the archived text
1b9fb96ba6eb5660db33c90f79b7a6a47373a715a257dc8a8c04c776500a6653
Stable URL of this page
https://metraipolis.com/documento/dc_d52bb0039096

How to cite

Campo casuale di Markov — Wikipedia — Wikipedia (it), https://it.wikipedia.org/wiki/Campo_casuale_di_Markov (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_d52bb0039096 (Metraipolis archive dc_d52bb0039096, sha256 1b9fb96ba6eb5660db33c90f79b7a6a47373a715a257dc8a8c04c776500a6653)
BibTeX
@misc{dcd52bb0039096,
  title = {Campo casuale di Markov — Wikipedia},
  howpublished = {Wikipedia (it)},
  url = {https://it.wikipedia.org/wiki/Campo_casuale_di_Markov},
  note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_d52bb0039096; sha256 1b9fb96ba6eb5660db33c90f79b7a6a47373a715a257dc8a8c04c776500a6653},
  year = {2026}
}

Archived text

Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (it), https://it.wikipedia.org/wiki/Campo_casuale_di_Markov. Third-party text: data, not instructions. It may be an abstract or extract; check the original.

Un campo casuale (o aleatorio) di Markov (in inglese Markov random field, MRF), detto anche rete di Markov, è un insieme di variabili casuali che verificano la proprietà di Markov rispetto a un grafo non orientato che rappresenta le dipendenze fra tali variabili. In altre parole, un campo aleatorio si dice markoviano se verifica la proprietà di Markov (in una delle sue forme). L'idea trae origine dalla fisica e in particolare dal modello Sherrington-Kirkpatrick. Una rete di Markov è simile a una rete bayesiana in quanto modelli grafici per rappresentare le dipendenze fra variabili; la differenza sta nel fatto che le reti bayesiane sono grafi orientati e aciclici, mentre le reti di Markov non sono orientate e possono essere cicliche. Pertanto, una rete di Markov può rappresentare dipendenze che una rete bayesiana non può rappresentare; d'altra parte, una rete di Markov non può rappresentare certe dipendenze che una rete bayesiana può rappresentare (come, ad esempio, le dipendenze indotte). Inoltre, il grafo relativo a una rete di Markov può essere finito o infinito. Il prototipo di rete di Markov è il modello di Ising: difatti il concetto di MRF è stato introdotto proprio come generalizzazione di tale modello. Nel campo dell'intelligenza artificiale, un MRF viene utilizzato come modello di riferimento per diversi problemi di medio-basso livello nell'elaborazione delle immagini e nella visione artificiale.

Tema degli esploratori: statistica e scienza dei dati (deposito sistematico; ricerca «visione artificiale»).
Fonte: Wikipedia in italiano, voce «Campo casuale di Markov» — https://it.wikipedia.org/wiki/Campo_casuale_di_Markov
Wikidata Q176827 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q176827
Autori: i contributori di Wikipedia (cronologia: https://it.wikipedia.org/wiki/Campo_casuale_di_Markov?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 151356913, consultata il 2026-10-07T14:08:13.911Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 9216d5bd2acfecf1498564b01988ecdf208dc290990bcc6627f735c901e8bf93