मुझे बाम-वेल्च और कई अवलोकनों के साथ एचएमएम को प्रशिक्षित करने के लिए कैसे करना है?

Question

मुझे कुछ समस्याएं आ रही हैं कि बाउम-वेल्च एल्गोरिदम वास्तव में कैसे काम करता है। मैंने पढ़ा है कि यह एचएमएम (संक्रमण और उत्सर्जन संभावनाओं) के मानकों को समायोजित करता है ताकि यह सुनिश्चित किया जा सके कि मेरे अवलोकन अनुक्रम दिए गए मॉडल द्वारा देखे जा सकें।

हालांकि, यदि मेरे पास एकाधिक अवलोकन अनुक्रम हैं तो क्या होगा? मैं अपने एचएमएम को बहुत सारे अवलोकनों के खिलाफ प्रशिक्षित करना चाहता हूं (और मुझे लगता है कि यह आमतौर पर किया जाता है)।

ghmm उदाहरण के लिए baumWelch विधि के लिए एक एकल अवलोकन अनुक्रम और अवलोकनों का एक पूरा सेट ले सकता है।

क्या यह दोनों स्थितियों में समान कार्य करता है? या क्या एल्गोरिदम को एक ही समय में सभी अवलोकनों को जानना है?

Answer 1

Rabiner के paper में, GMMs (वजन, साधन और सहप्रसरण) के मापदंडों बौम-वेल्च एल्गोरिथ्म में फिर से होने का अनुमान है इन समीकरणों का उपयोग कर:

ये एक अवलोकन दृश्य के लिए बस कर रहे हैं मामला। कई मामलों में, संख्यात्मक और denominators केवल सभी अवलोकन अनुक्रमों पर सम्मिलित हैं, और फिर पैरामीटर प्राप्त करने के लिए विभाजित हैं। (ऐसा इसलिए किया जा सकता है क्योंकि वे केवल व्यवसाय की गणना का प्रतिनिधित्व करते हैं, पेपर के पेज 273 देखें)

इसलिए एल्गोरिदम के आमंत्रण के दौरान सभी अवलोकन अनुक्रमों को जानने की आवश्यकता नहीं है। उदाहरण के तौर पर, एचटीके में HERest उपकरण में एक तंत्र है जो कई मशीनों के बीच प्रशिक्षण डेटा को विभाजित करने की अनुमति देता है। प्रत्येक मशीन numerators और denominators की गणना करता है और उन्हें एक फ़ाइल में डंप करता है। अंत में, एक मशीन इन फ़ाइलों को पढ़ती है, संख्याओं और denominators को बताता है और परिणाम प्राप्त करने के लिए उन्हें विभाजित करता है। पीजी देखें। एचटीके पुस्तक के 12 9 v3.4