問題タブ [hidden-markov-models]

特定の単語を識別するために、HMM (隠れマルコフ モデル) を実装したいと考えています。これまでのところ、信号の係数 (MFCC) を抽出することができましたが、HMM をトレーニングするためにこれが正しいデータであるかどうか疑問に思いましたか?

また、HMM をトレーニングするための形式 (以下) は正しいですか?

形式:

各サンプルには、一連の MFCC 係数があります。例として、これらのサンプルのうちの 2 つを提供しました...

-13.8033 0.645476 3.2174 -0.625136 -0.470134 -2.96368 0.701151 0.464246 1.1898 -1.88515 0.0805242 0.311573 0.732487

-19.4252 -5.65454 0.853437 0.317219 0.146167 -1.93742 0.381944 -2.01793 -0.561144 -0.896783 -0.105491 -1.06504 -0.797318

誰かが助けてくれることを願っています:)

私は隠れマルコフモデルに不慣れで、次の問題をモデル化するための最良の方法を見つけようとしています。

3つの異なる状態になる可能性のある確率変数があります。隠れマルコフモデルと同様に、シーケンス内の次の状態とその状態が取る値に関心がありますが、私が持っている状態は既知であり、非表示ではありません。

答えてくれてありがとう。

あなたは海を横切って移動する敵の船を追跡する飛行機であるため、船の一連の（x、y、time）座標を収集しました。隠された潜水艦は船を保護するために船と一緒に移動しますが、それらの位置には相関関係がありますが、潜水艦は船から離れることが多いため、潜水艦が船の近くにある場合は、船の反対側にあることもあります。時々世界。あなたは潜水艦の進路を予測したいのですが、残念ながらそれはあなたから隠されています。

しかし、4月の1か月間、潜水艦が身を隠すのを忘れていることに気づきました。そのため、1,000回の旅行を通じて、潜水艦と船の両方の一連の座標があります。このデータを使用して、船の動きだけを考慮して、隠れた潜水艦の進路を予測するモデルを作成します。素朴なベースラインは「潜水艦の位置の推測=「船の現在の位置」」と言うことですが、潜水艦が見えた4月のデータから、潜水艦が船より少し前に出る傾向があることがわかります。推測=1分での船の位置」はさらに良い見積もりです。さらに、4月のデータは、船が長期間水中で一時停止すると、潜水艦が沿岸海域をパトロールする遠くにいる可能性が高いことを示しています。他のパターンがありますもちろん。

潜水艦の進路を予測するために、トレーニングデータとして4月のデータを前提として、このモデルをどのように構築しますか？私の現在の解決策は、要因が「トリップ時間」、「貨物船のx座標」、「貨物船が1日間アイドル状態だった」などであり、Rに重量を計算させて交差させるアドホック線形回帰です。 -検証。しかし、4月のデータからこれらの要素を自動的に生成する方法が本当に好きです。また、線形回帰はそうではなく、関連性があると思うので、シーケンスまたは時間を使用するモデルがあれば便利です。

編集：私は作り上げられた物語で問題を再定式化したので、それは混乱を少なくします。私が投稿した元の問題は次のとおりです。

教師と生徒の2つの主題に関する視線追跡データがあります。それは（x、y、time）の形式であるため、主題ごとに一連のこれらがあります。教師が見るものは、生徒が見るものに影響を与えます。教師のデータのみを使用して、生徒が見ているものを予測するためにどのような方法を使用しますか？生徒と教師のデータのゴールドスタンダードセットを使用して、学習アルゴリズムをトレーニングできるとしましょう。

ウィキペディアでの定義を考えると、隠れマルコフモデルが適切だと思っていましたが、データセットでこれをどのように実践するかはわかりません。

詳細：教師と生徒がそれぞれ地図といくつかの読み物をどのように見ているかについてのデータがあります。これらのデータセットは40個あり、[（366,234,0）、（386,234,5）、...]のように見えます。これは、教師が時間0でポイント（366,234）を確認し、5秒後に上に移動して確認したことを意味します。座標（386、234）。教師がコンテンツをどのように見るかとの関係を理解し​​、生徒が同じコンテンツをどのように見るかを予測するためのモデルを学ぶことができます。そのため、生徒は教師と同じ順序でコンテンツを見るのが遅いかもしれません。あるいは、生徒はあまり見回さないかもしれませんが、教師はより多くのコンテンツをスキャンします。両方のデータセットがあり、どの程度正確なモデルを取得できるかを確認したいのですが、教師の見た目の行動から50px以内で生徒の見た目の行動を予測できるでしょうか。

Matlabでの画像処理は初めてですが、MatlabStatisticalツールボックスでHMMを使用した文字認識に取り組んでいます。

入力画像の幅：400、高さ：100があり、画像はバイナリ画像です。各入力画像を10個の水平ブロックに分割しました。各ブロックで、画像の濃度を計算します。したがって、各画像で10個の特徴ベクトルを取得できます。

Fが画像の特徴ベクトルであると仮定します

F = [26 55 74123186260258 75 43 21]

私の質問は、特徴ベクトルをhmmシーケンスに変換して、hmmtrainコマンドを使用して使用できるようにする方法です。私の場合の放出マトリックスは何ですか？

この質問をする前に、私はOmidSakhiによる同様の例を見ました。しかし、私はまだ理解していません。

ここからいくつかのコードを実装しようとしています

また、係数を使用してHMMをトレーニングしましたが、ビタビ復号アルゴリズムがどのように機能するかを理解していません。たとえば、次のようになります。

しかし、これが私が理解していないことです。私は2つの音声信号（トレーニング、サンプル）を比較して、可能な限り最も近い一致を見つけようとしています。たとえば、DTWアルゴリズムでは、最も近い整数を見つけることができる単一の整数が返されますが、このアルゴリズムではaが返されるint* arrayため、区別するのは困難です。

現在のプログラムの仕組みは次のとおりです。

トレーニングから入力までの最適なパスを特定する問題に対して、ビタビデコーダーがどのように機能するかを教えてください。デコードパスでユークリッド距離とハミング距離の両方を試しました(q)が、そのような運はありませんでした。

どんな助けでも大歓迎です

私は coursera NLP コースを受講しており、最初のプログラミング課題は、Viterbi デコーダーを構築することです。ほぼ完成に近づいていると思いますが、追跡できないと思われるとらえどころのないバグがあります。これが私のコードです：

http://pastie.org/private/ksmbns3gjctedu1zxrehw

http://pastie.org/private/ssv6tc8dwnamn2qegdvww

これまでのところ、「教育」関連の機能をデバッグしたので、アルゴリズムのパラメーターが正しく推定されていると言えます。特に興味深いのは、 viterbi() および findW() メソッドです。私が使用しているアルゴリズムの定義は、http ://www.cs.columbia.edu/~mcollins/hmms-spring2013.pdfの 18 ページにあります。

私が頭を抱えているのは、K = {1, 2} (私の場合、私はゼロなので、これは 0 と 1 です。これらの場合に使用しているパラメーターは、q({TAGSET} | *, *) および q ({TAGSET} | *, {TAGSET}) です。

スプーンでの回答ではなく、ヒントも大歓迎です。

私は隠れマルコフモデルが初めてです。私は主なアイデアを理解しており、理解を深めるためにいくつかの Matlab 組み込み HMM 関数を試しました。

一連の観測と対応する状態がある場合、たとえば

hmmestimate関数を 使用して、次のように遷移確率行列と放出確率行列を計算できます。

TRANS_EST =

EMIS_EST =

この例では、観察は単一の値です。

以下の例の図は、私の状況を説明しています。 状態が {Sleep, Work, Sport} で、一連の観測があるとします: {lightoff, light on, heart rate>100 .....} 各観測を表すために数値を使用すると、私の状況ではそれぞれ状態には同時に複数の観測があります。

これを Matlab で実装して遷移と放出確率行列を取得する方法がわかりません。私はかなり迷っています。次のステップで何をすればよいですか? 正しいアプローチを使用していますか?

ありがとう！

Kinect センサーを使用してジェスチャー認識を行うソリューションに取り組んでいます。現在、HMM のトレーニングに Accord .NET を使用しています。ジェスチャが保存されたデータセットがあります。このデータセットには 11 個のジェスチャがあり、それぞれに 18 ポイントが保存された 32 個のフレームがあります。

だから私は (double [12] [32,18]) 入力データセットと (int[12]) 出力データセットを持っていますが、そうすると: double error = teacher.Run(inputSequences, output), それは私にこれを与える: 「指定された引数は有効な値の範囲外です。」

誰もこれを解決する方法を知っていますか? 使用する前にデータセットを処理する必要があります o うーん先生で、またはデータセットはこのように問題ありませんか?

私は現在、手話認識アプリケーションに取り組んでいます。ここでは、分類段階として隠れマルコフ モデルを使用したいと考えています。つまり、ジェスチャー/姿勢を分類して、関連する文字または単語を取得します。

私は現在、手を検出している最初の段階を完了しました。現在、次のような機械学習段階で使用できる多くのパラメーター (機能) を取得できます。

• 手の凸包
• 凸欠陥
• 手の重心
• 回転した楕円/長方形の境界を設定する (例: 回転に関して必要な角度を取得する)
• 手の輪郭
• 瞬間（これらが正確に何であるかはわかりません）

これらはすべて openCv を介して実行できます。

私の質問: これらすべての機能を取得したら、「機能抽出」ステージを実行するにはどうすればよいですか? つまり、機械学習アルゴリズム、この場合は HMM が一連の確率を必要とする場合、上記の情報をどのように使用できますか?

私が持っている 1 つのアイデアは、各ジェスチャを一意に識別するような情報を含む特別なデータ構造を作成することですが、機械学習技術にどのようにフィードするのでしょうか? (この場合、隠れマルコフ モデル)

この特定の段階で少なくとも何を探すべきか、または実際に私が抱えている本当の困難が何であるかを示すように私を導くことができる人はいますか?

私はプロトタイプフレームワークに取り組んでいます。

基本的に、GPS、モーション、心拍数、周囲の環境の読み取り値、温度などのセンサーデータに基づいて、各個人のライフスタイルのモデルまたはプロファイルを生成する必要があります。

提案されたモデルまたはプロファイルは、個人のライフスタイル パターンの知識表現です。たぶん、確率のグラフ。

これを実装するために、隠れマルコフ モデルを使用することを考えています。HMM の状態には、Working、Sleeping、Leisure、Sport などがあります。観測は、さまざまなセンサー データのセットである可能性があります。

HMM についての私の理解では、次の状態 S(t) は前の 1 つの状態 S(t-1) にのみ依存するということです。ただし、実際には、人の活動は以前の n 個の状態に依存する場合があります。HMMを使用することはまだ良い考えですか? または、他のより適切なモデルを使用する必要がありますか? マルコフ連鎖の 2 次および複数次の作業を見てきましたが、HMM にも適用されますか?

詳しく説明していただけると大変助かります。

ありがとう！！