मैं एक समस्या के लिए एक छिपे हुए मार्कोव मॉडल (एचएमएम) का उपयोग करने की कोशिश कर रहा हूं जहां मेरे पास प्रत्येक समय बिंदु पर विभिन्न भिन्न चर (वाईटी) और एक छिपी चर (एक्सटी) है। स्पष्टता के लिए, मान लीजिए कि सभी मनाए गए चर (Yti) स्पष्ट हैं, जहां प्रत्येक Yti अलग-अलग जानकारी बताती है और इस तरह अलग-अलग कार्डिनिटी हो सकती हैं। नीचे दिए गए आंकड़े में एक उदाहरण उदाहरण दिया गया है, जहां एम = 3।कई मनाए गए चर के लिए छिपे हुए मार्कोव मॉडल
मेरा लक्ष्य संक्रमण, उत्सर्जन और एक HMM की पूर्व संभावनाओं को प्रशिक्षित करने, बौम-वेल्च कलन विधि का उपयोग, मेरे मनाया चर दृश्यों (Yti) से है। मान लीजिए, एक्सटी शुरू में 2 छिपे हुए राज्य होंगे।
मैं (प्रसिद्ध Rabiner कागज सहित) में कुछ ट्यूटोरियल पढ़ा है और कुछ HMM सॉफ्टवेयर संकुल, अर्थात् 'MatLab में HMM उपकरण बॉक्स' और 'अजगर में hmmpytk पैकेज' के कोड के माध्यम से चला गया। कुल मिलाकर, मैंने एक व्यापक वेब खोज और सभी संसाधनों को देखा- जो मुझे मिल सकता था- केवल मामले को कवर करता है, जहां प्रत्येक समय बिंदु पर केवल एक ही देखा गया चर (एम = 1) होता है। यह तेजी से मुझे लगता है कि एचएमएम कई मनाए गए चर के साथ स्थितियों के लिए उपयुक्त नहीं है।
- क्या एचएमएम के रूप में चित्र में चित्रित समस्या का मॉडल करना संभव है?
- यदि यह है, तो बहु-परिवर्तनीय अवलोकन (उत्सर्जन) संभावनाओं के आधार पर एचएमएम पैरामीटर को प्रशिक्षित करने के लिए बाम-वेल्च एल्गोरिदम को कैसे संशोधित किया जा सकता है?
- यदि नहीं, तो क्या आप ऐसी पद्धति के बारे में जानते हैं जो आंकड़े में चित्रित स्थिति के लिए अधिक उपयुक्त है?
धन्यवाद।
संपादित करें: इस paper में, स्थिति आंकड़ा में दिखाया गया एक गतिशील अनुभवहीन Bayes है, जो प्रशिक्षण और आकलन algorithms- के मामले -इन रूप में वर्णित है के लिए बौम-वेल्च और Viterbi एल्गोरिदम के एक मामूली विस्तार की आवश्यकता है एक एकल चर एचएमएम।
क्या आप [इस तरह कुछ] (http://vision.gel.ulaval.ca/~parizeau/Publications/P971225.pdf) के बारे में बात कर रहे हैं? –
नाइवेली मैं कहूंगा कि आप मानक एचएमएम के रूप में ऐसी एक समस्या को केवल एक अवलोकन के साथ मॉडल कर सकते हैं। यदि प्रत्येक उत्थान 'Yti' तत्व आर है, तो प्रत्येक बहु-अवलोकन 'Yt' को R^3 में एक तत्व बनाएं। यह एन^3 संभावित बहु-अवलोकनों का कारण बन जाएगा, यदि एन संभावित एकल अवलोकनों की संख्या है। हालांकि, यह ** ** (मुझे यकीन नहीं है/पता नहीं है) अधिक परिष्कृत दृष्टिकोण की तुलना में अधिक प्रशिक्षण डेटा की आवश्यकता को जन्म दे सकता है। – Aufziehvogel
@ औफज़ीहोगेल, अच्छी तरह से यह एक संभावना है, लेकिन जैसा कि आप इंगित करते हैं, यह संभावना स्थान को अत्यधिक बढ़ा देता है और इसके लिए बहुत सारे प्रशिक्षण डेटा की आवश्यकता होती है। इसके अलावा, ग्राफिकल रूप से, आपके द्वारा सुझाए गए मॉडल चित्र में दिए गए किसी जैसा नहीं दिखेंगे। – Rhubarb