1

わかりました、私はここで HMM の概念に比較的慣れていません。

私が現在知っていることは、指定された数の状態 (N)、指定された数の観測シンボル (M)、および指定された観測シーケンス (O) を持つ未知のモデルの場合、O の確率を最大化するモデルを見つけることができるということです。

これで、このドキュメントのコードを利用する HMM を作成しましたhttp://www.cs.sjsu.edu/~stamp/RUA/HMM.pdf -> セクション 7 疑似コード

AB と pi の初期値は約 1/N と 1/M です。数値が正確ではなく似ているように、matlab を使用して数値を生成しました。

ここで、O の長さが 1000 で、疑似コードに基づいてそれを HMM にフィードするとします。最終状態は、O に適合するように調整される A 、 B 、および pi のモデルを取得することです。これまでのところ、正しく進んでいますか?

もしそうなら、私がやりたい次のことは、将来の可能性のある観測1001(o1001)を見つけることです。

HMM についての私の漠然とした理解では、私がする必要があるのは、最後に得たものから、現時点で最も可能性の高い状態 (1000 回の観測を学習した後に A から取得) を取得し、そこから最も可能性の高い観測を見つけることです ( Aから来る状態のB行列の行を見る)

1001 番目の観測値を予測する方法に関する最後の部分については、よくわかりません。これまでのところ正しい軌道に乗っているかどうか誰かに知らせてもらえますか?

4

1 に答える 1

0

少し遊んで、最終的にもう少し理解した後、私の発見はそのままです。

私が先に述べたことは間違っていました。次の可能な観測値、つまり 1001 を見つけるには、次のようにして p(O[1001] = k | O(1..1000)) を見つける必要があります。 Bi(O(1000) = K) * Aji*alpha1000(j) の合計です。

于 2012-09-27T16:44:26.000 に答える