About: dbkwik:resource/zi5hK53HpaSgzs1zLGxDGA==   Sponge Permalink

An Entity of Type : owl:Thing, within Data Space : 134.155.108.49:8890 associated with source dataset(s)

AttributesValues
rdfs:label
  • Алгоритм Баума-Велша
rdfs:comment
  • Скрытая модель Маркова это вероятностная модель множества случайных переменных . Переменные — известные дискретные наблюдения, а — «скрытые» дискретные величины. В рамках скрытой модели Маркова есть два независимых утверждения, обеспечивающих сходимость данного алгоритма: 1. * -ая скрытая переменная при известной (t-1)-ой переменной, независима от всех предыдущих переменных, то есть ; 2. * -ое известное наблюдение зависит только о -го состояния, то есть не зависит от времени, .
dcterms:subject
dbkwik:ru.math/pro...iPageUsesTemplate
abstract
  • Скрытая модель Маркова это вероятностная модель множества случайных переменных . Переменные — известные дискретные наблюдения, а — «скрытые» дискретные величины. В рамках скрытой модели Маркова есть два независимых утверждения, обеспечивающих сходимость данного алгоритма: 1. * -ая скрытая переменная при известной (t-1)-ой переменной, независима от всех предыдущих переменных, то есть ; 2. * -ое известное наблюдение зависит только о -го состояния, то есть не зависит от времени, . Далее будет предложен алгоритм «предположений и максимизаций» для поиска максимальной вероятностной оценки параметров скрытой модели Маркова при заданном наборе наблюдений. Этот алгоритм так же известен как алгоритм Баума-Велша. — это дискретная случайная переменная, принимающая одно из значений . Будем полагать, что данная модель Маркова, определенная как , однородна по времени, то есть независима от . Тогда можно задать как независящую от времени стохастическую матрицу перемещений . Особый случай для времени определяется начальным распределением . Будем считать, что мы в состоянии в момент времени , если . Последовательность заданных состояний определяется как , где является состоянием в момент . Наблюдение может иметь одно из возможных значений, . Вероятность заданного вектора наблюдений в момент времени t для состояния j определяется как . ( — это матрица L на N). Заданная последовательность наблюдений O выражается как . Следовательно, мы можем описать скрытую модель Маркова с помощью . При заданном векторе наблюдений O алгоритм Баума-Велша находит . максимизирует вероятность наблюдений O.
Alternative Linked Data Views: ODE     Raw Data in: CXML | CSV | RDF ( N-Triples N3/Turtle JSON XML ) | OData ( Atom JSON ) | Microdata ( JSON HTML) | JSON-LD    About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 07.20.3217, on Linux (x86_64-pc-linux-gnu), Standard Edition
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2012 OpenLink Software