ビタビ アルゴリズムを使用して、HMM で最も可能性の高いパス (状態のシーケンス) を見つけようとしています。ただし、観測 (データ) から推定する必要がある遷移行列と排出行列はわかりません。
これらの行列を推定するには、Baum-Welch トレーニング アルゴリズムと Viterbi トレーニング アルゴリズムのどちらを使用すればよいですか? なんで？
ビタビ トレーニング アルゴリズムを使用する必要がある場合、適切な疑似コードを提供してくれる人はいますか (見つけるのは簡単ではありません)。
十分なリソースがあれば、おそらく、計算効率のために Baum-Welch の一般性の一部を犠牲にする代替パラメーター推定プロセスである、Viterbiトレーニングアルゴリズム (別名、セグメント k-means アルゴリズム) よりも Baum-Welch (前方後方) アルゴリズムを使用する必要があります。 . 一般に、Baum-Welch アルゴリズムはパフォーマンスの向上につながるパラメーターを提供しますが、そうでない場合もあります。ここに素晴らしい比較研究があります。
さらに、Baum-Welch アルゴリズムを使用してモデルのパラメーターを推定する必要があることに注意してください。これは、EM アルゴリズムに似たものを使用して、放出確率と透過確率を設定します。HMM をトレーニングした後、ビタビ復号化アルゴリズムを使用して、観測を生成した可能性が最も高い状態のシーケンスを計算します。
参考として、 Speech and Language Processing、Artificial Intelligence a Modern Approach、またはこの論文をお勧めします
http://nlp.stanford.edu/courses/lsa352/lsa352.lec7.6up.pdfから:
Viterbi Training は、Baum-Welch と比較して:
- はるかに高速
- しかし、うまく機能しません
- しかし、多くの場合、トレードオフはそれだけの価値があります。
いくつかの比較研究:
ロドリゲス、ルイス・ハビエル、イネス・トーレス。"読み上げおよび自発的な音声認識に適用される Baum-Welch および Viterbi トレーニング アルゴリズムの比較研究。" パターン認識と画像分析に関するイベリア会議、pp.847-857。スプリンガー ベルリン ハイデルベルク、2003 年。
同じ質問が Statistics Stack Exchange: Differences between Baum-Welch and Viterbi trainingで尋ねられました。
隠れマルコフ モデル パラメータを見つけるには、baum welch アルゴリズムを使用する必要があります。baum welch は、フォワードおよびバックワード アルゴリズムを使用して hmm パラメータを見つけます。
Python の baum welch アルゴリズム コードへのリンクが 1 つあり ます。