«hidden-markov-model» 태그된 질문

에서 위키 백과 DBN (Dynamic Bayesian Network)은 인접한 시간 간격에 따라 변수를 서로 관련시키는 베이지안 네트워크입니다. T 시점에서 변수 값을 내부 회귀 변수와 직전의 이전 값 (시간 T-1)에서 계산할 수 있기 때문에이를 종종 2 타임 슬라이스 BN이라고합니다 . DBN은 로봇 공학에서 일반적이며 광범위한 데이터 마이닝 응용 프로그램에 대한 잠재력을 보여주었습니다. …

11 hidden-markov-model  graphical-model 

히든 마르코프 모델에서 전환 확률에 특정 초기 값을 부여하면 어떤 이점이 있습니까? 결국 시스템은 그것들을 배우므로 임의의 값 이외의 값을 제공하는 요점은 무엇입니까? 기본 알고리즘이 Baum-Welch와 같은 차이를 만들어 냅니까? 처음에 과도기 확률을 매우 정확하게 알고 주요 목적이 숨겨진 상태에서 관측치까지의 출력 확률을 예측하는 것이라면 무엇을 조언 하시겠습니까?

11 machine-learning  expectation-maximization  hidden-markov-model 

Markov 체인은 나에게 의미가 있습니다. 실제 문제에서 확률 상태 변화를 모델링하는 데 사용할 수 있습니다. 그런 다음 HMM이 온다. HMM은 MC보다 많은 문제를 모델링하는 데 더 적합하다고합니다. 그러나 사람들이 언급 한 문제는 음성 처리와 같이 이해하기가 다소 복잡합니다. 내 질문은 HMM이 MC보다 더 적합한 "실제적이고 간단한"문제를 설명 할 수 있습니까? …

11 hidden-markov-model 

숨겨진 Markov 모델이 기대 최대화와 어떻게 관련되어 있는지 누군가가 설명 할 수 있습니까? 많은 링크를 겪었지만 명확한 견해를 얻지 못했습니다. 감사!

10 markov-process  expectation-maximization  hidden-markov-model 

Hidden Markov Models 및 Gaussian Mixture Models와 같은 많은 통계 모델링 작업을하고 있습니다. 이러한 각 사례에서 우수한 모델을 훈련하려면 최종 사용 환경과 유사한 환경에서 가져온 대량 (> HMM의 경우 20000 문장)의 데이터가 필요합니다. 내 질문은 : 문헌에 "충분한"훈련 데이터의 개념이 있습니까? "충분한"훈련 데이터는 얼마입니까? "좋은"(좋은 인식 정확도 (> 80 %)를 …

10 modeling  hidden-markov-model  gaussian-mixture 

에서 이 인기있는 질문 , 높은 upvoted 대답은 MLE와 바움 웰치는 HMM 피팅에서 분리합니다. 훈련 문제의 경우 MLE (최대 우도 추정), Viterbi 훈련 (Viterbi 디코딩과 혼동하지 마십시오), Baum Welch = 순방향 알고리즘의 3 가지 알고리즘을 사용할 수 있습니다. 그러나 Wikipedia 에서는 Baum–Welch 알고리즘은 잘 알려진 EM 알고리즘을 사용하여 모수의 최대 …

10 hidden-markov-model  expectation-maximization 

질문 : 숨겨진 Markov 모델의 현명한 구현 아래 설정이 있습니까? 전체 관측 시간 동안 108,000관찰 한 데이터 세트 (100 일 동안 수행)와 대략적인 2000이벤트가 있습니다. 데이터는 아래 그림과 같이 관찰 된 변수가 3 개의 개별 값 취할 수 있고 빨간색 열은 이벤트 시간, 즉 강조 표시합니다 .[ 1 , 2 …

9 time-series  machine-learning  predictive-models  markov-chain  hidden-markov-model 

이 기사 에서 다음과 같은 이식편을 가져옵니다 . 부트 스트랩을 사용하고 R boot패키지가있는 선형 혼합 모델을 위해 파라 메트릭, 반 파라 메트릭 및 비 파라 메트릭 부트 스트랩 부트 스트랩을 구현하려고 초보자 입니다. R 코드 내 R코드 는 다음과 같습니다 . library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography