問題タブ [hidden-markov-models]

HMMを始めたいのですが、やり方がわかりません。ここにいる人は、どこを見ればよいか、いくつかの基本的な指針を教えてもらえますか?

理論だけでなく、多くの実践的なことをするのが好きです。したがって、単なるテキストではなく、学習を確認するための小さなコード スニペットを記述できるリソースを好むでしょう。

.net での HMM の実装を知っている人はいますか?

私が行ったいくつかのことは、基本的に、主題に関して私が持っているほとんどの知識と、私の教授の 1 人が行った非常にドメイン固有のアプリケーションのいくつかの C++ コードからリバース エンジニアリングされたものです。

私はそれをいくらか改善したいと思っており、同じ言語で書かれた他の人の作品と比較することは、私がそれを正しく理解しているかどうかを確認するのに本当に役立ちます.

n-gram モデルのフォワード-バックワード アルゴリズムと隠れマルコフ モデル (HMM) のビタビ アルゴリズムの違いは何ですか?

これら 2 つのアルゴリズムの実装を確認したところ、トランザクションの確率が異なる確率モデルから来ていることがわかりました。

これら2つのアルゴリズムに違いはありますか?

これが論文です。テキストといくつかのノイズまたは非テキストオブジェクトを含むバイナリイメージの遠近法を推定することについてです。

PDFドキュメント

アルゴリズムは隠れマルコフモデルを使用します。実際には2つの条件T-テキストB-背景（つまりノイズ）

アルゴリズム自体を理解するのは難しいです。問題は、隠れマルコフモデルについて読んだことがあり、それが既知でなければならない確率を使用していることを知っているということです。しかし、このアルゴリズムでは、HMMを使用している場合、どのようにしてそれらの確率（S1から別の状態（たとえばS2）に状態を変更する確率）を取得するのか理解できません。

その論文でもそこでの訓練については何も見つかりませんでした。ですから、誰かがそれを理解しているなら、教えてください。また、状態変化の確率を知らなくてもHMMを使用することは可能ですか？

編集：HMMパラメーター（確率）を知らなくても、何らかの推定を使用している可能性があります

隠れマルコフ モデルと状態 SI が与えられた場合、時間 O(|S|) で指定されたシーケンス X の隠れマルコフ モデルを通る最も可能性の高いパスを返すアルゴリズムを見つける必要があるという問題があります。

X のさまざまな位置にすべてのさまざまな状態を持ち、このグラフで最短経路アルゴリズムを実行するグ​​ラフを開発することを考えていました。ただし、n|S|^2 個のエッジ (n は X の状態の数) と n|S| があります。頂点。

私が見つけた最良のアルゴリズムは、私の場合は O(|S|^2) である時間 O(|E|+|V|) で実行される非巡回最短パスです。時間 O(|S|) で実行するために開発できるアルゴリズムはありますか? 私が必要とするのは、一般的なアイデアだけです。

ありがとう

私は、FSMを使用して、ゲームのトップ2Dビューを表示し、ボット、プレーヤー、サークルを使用してFPSを実装するコースプロジェクトに取り組んでいます。ボットの動作は決定論的でした。たとえば、ボットのヘルスがしきい値を下回り、プレーヤーが表示されている場合、ボットは逃げます。それ以外の場合、ボットはヘルスパックを探します。

ただし、この場合、ボットが行う決定のほとんどは、すでに私たちが決定したルールに基づいているため、ボットはあまりインテリジェンスを示していないと感じました。

ボットに実際のインテリジェンスを実装するのに役立つ、他にどのような手法を使用できますか？私はHMMを見てきましたが、HMMはボットの不確実性を高めるのに役立つ可能性があり、ボットは事前に定義されたルールに依存するよりも自律的に意思決定を行うようになる可能性があります。

皆さんはどう思いますか？何かアドバイスをいただければ幸いです。

「to the」、「and the」などの平凡な一般的なフレーズと、「pick up」、「fall in love」、「red herring」などの独自の語彙的意味を持つ定型句やイディオムを区別できる手法は何ですか? "、 "デッドエンド"？

辞書がなくても成功する手法はありますか?たとえば、HMM が大規模なコーパスでトレーニングする統計的手法はありますか?

または、ほぼすべての単語と共起する可能性のある「乱雑な」単語と、単独または特定の限定された慣用句のセットで発生する単語を無視または重み付けするなどのヒューリスティックがありますか?

そのようなヒューリスティックが存在する場合、「beat up」、「eat up」、「sit up」、「think up」に「up」などの乱雑な単語が組み込まれている決まり文句や言葉のフレーズをどのように考慮に入れるのでしょうか?

アップデート

オンラインで興味深い論文を見つけました:慣用表現の教師なし型とトークン識別

scikits.learn.hmm.GaussianHMM を異なる長さのトレーニング シーケンスに合わせたいと思います。ただし、fit メソッドは、次のようにして、異なる長さのシーケンスの使用を防ぎます。

これは、同じ形状の配列のリストでのみ機能します。続行する方法についてのヒントはありますか？

隠れマルコフモデルと条件付き確率場について少し混乱しています。教師あり学習または教師なし学習の方法を知りたいですか？ありがとう

基になる状態が同じであるが、観測が時間的にリンクされていない場合に、2 つの HMM を 1 つにマージする良い方法があるかどうかを理解しようとしています。

同じ隠れ状態空間を記述する 2 つの独立した観測ストリームがあります。各観測ストリームの基本的な順序は変わりませんが、同時に出力されることはありません。

たとえば、2 人の別々のスピーカーがテキストの同じパッセージを声に出して読んでいるオーディオ録音があるとします。この場合、隠れ状態空間がテキストの文字になり、各オーディオからの音素の流れが観測空間を構成します。各スピーカーは音声を別々に録音し、読むときに異なるリズムを使用します。

各話者を個別に使用してテキストの予測を明確に行い、事後に結果を調整することはできます...しかし、観測ストリームを単一の HMM に結合すると、より良い結果が得られる可能性があると感じています。

これを調整する良い方法を知っている人はいますか？