Les modèles de Markov cachés sont utilisés pour modéliser des systèmes qui sont supposés être des processus de Markov avec des états cachés (c'est-à-dire non observés).
Je suis à la recherche de ressources (tutoriels, manuels, webcast, etc.) pour en apprendre davantage sur la chaîne de Markov et les HMM. Mon expérience est en tant que biologiste et je suis actuellement impliqué dans un projet lié à la bioinformatique. En outre, quels sont les connaissances...
Je veux savoir quelles sont les différences entre l' algorithme avant-arrière et l' algorithme de Viterbi pour l'inférence dans les modèles de Markov cachés
Je comprends que les modèles de Markov cachés (HMM) sont des modèles génératifs et les modèles CRF sont des modèles discriminants. Je comprends également comment les CRF (Conditional Random Fields) sont conçus et utilisés. Ce que je ne comprends pas, c'est comment ils sont différents des HMM? J'ai...
Voici ma vieille question Je voudrais demander si quelqu'un connaît la différence (s'il y a une différence) entre les modèles de Markov cachés (HMM) et le filtre à particules (PF), et par conséquent le filtre de Kalman, ou dans quelles circonstances nous utilisons quel algorithme. Je suis étudiant...
J'ai implémenté un HMM discret selon ce tutoriel http://cs229.stanford.edu/section/cs229-hmm.pdf Ce tutoriel et d'autres parlent toujours de la formation d'un HMM à partir d'une séquence d'observation. Que se passe-t-il lorsque j'ai plusieurs séquences d'entraînement? Dois-je simplement les...
J'utilise actuellement la formation Viterbi pour un problème de segmentation d'image. Je voulais savoir quels sont les avantages / inconvénients de l'utilisation de l'algorithme Baum-Welch au lieu de la formation Viterbi.
Pour ma thèse de maîtrise, je travaille sur le développement d'un modèle statistique des transitions entre différents états, défini par le statut sérologique. Pour l'instant, je ne donnerai pas trop de détails dans ce contexte, car ma question est plus générale / théorique. Quoi qu'il en soit, mon...
Je découvre le monde merveilleux de ces "modèles de Markov cachés", également appelés "modèles à changement de régime". Je souhaite adapter un HMM en R pour détecter les tendances et les tournants. Je voudrais construire le modèle le plus générique possible afin de pouvoir le tester sur de nombreux...
J'ai développé un système de preuve de concept pour la reconnaissance sonore en utilisant des modèles mfcc et markov cachés. Cela donne des résultats prometteurs lorsque je teste le système sur des sons connus. Bien que le système, lorsqu'un son inconnu est entré retourne le résultat avec la...
Quels problèmes d'entrée séquentielle conviennent le mieux à chacun? La dimensionnalité d'entrée détermine-t-elle celle qui correspond le mieux? Les problèmes qui nécessitent une "mémoire plus longue" sont-ils mieux adaptés à un LSTM RNN, alors que les problèmes de modèles d'entrée cycliques...
Le bootstrap, dans sa forme standard, peut être utilisé pour calculer les intervalles de confiance des statistiques estimées à condition que les observations soient iid. I. Visser et al. dans " Confidence Intervals for Hidden Markov Model Parameters ", a utilisé un bootstrap paramétrique pour...
Je souhaite utiliser BIC pour la sélection de modèle HMM: BIC = -2*logLike + num_of_params * log(num_of_data) Alors, comment puis-je compter le nombre de paramètres dans le modèle HMM. Considérons un HMM simple à 2 états, où nous avons les données suivantes: data = [1 2 1 1 2 2 2 1 2 3 3 2 3 2 1 2...
J'ai un ensemble de données de série chronologique auquel j'essaie d'adapter un modèle de Markov caché (HMM) afin d'estimer le nombre d'états latents dans les données. Mon pseudo-code pour ce faire est le suivant: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states ......
Je comprends donc que lorsque vous formez des HMM à la classification, l'approche standard est la suivante: Séparez vos ensembles de données dans les ensembles de données pour chaque classe Former un HMM par classe Sur l'ensemble de test, comparez la probabilité de chaque modèle de classer chaque...
Je cherche une implémentation de python (en python pur ou en encapsulant des trucs existants) de HMM et Baum-Welch. Quelques idées? Je viens de chercher dans google et j'ai trouvé du matériel vraiment médiocre par rapport aux autres techniques d'apprentissage automatique.
Les chaînes de Markov ont du sens pour moi, je peux les utiliser pour modéliser des changements d'état probabilistes dans des problèmes réels. Vient ensuite le HMM. Les HMM seraient mieux adaptés à la modélisation de nombreux problèmes que les MC. Cependant, les problèmes mentionnés sont assez...
De Wikipédia Un réseau bayésien dynamique (DBN) est un réseau bayésien qui relie des variables entre elles sur des pas de temps adjacents. Ceci est souvent appelé un BN à deux tranches de temps car il dit qu'à tout moment T, la valeur d'une variable peut être calculée à partir des régresseurs...
Quels sont les avantages de donner certaines valeurs initiales aux probabilités de transition dans un modèle de Markov caché? Finalement, le système les apprendra, alors quel est l'intérêt de donner des valeurs autres que aléatoires? L'algorithme sous-jacent fait-il une différence comme Baum –...
Quelqu'un peut-il préciser comment les modèles de Markov cachés sont liés à la maximisation des attentes? J'ai parcouru de nombreux liens mais je n'ai pas pu trouver une vue claire.
Je travaille sur pas mal de modélisation statistique, comme les modèles de Markov cachés et les modèles de mélanges gaussiens. Je vois que la formation de bons modèles dans chacun de ces cas nécessite une grande quantité (> 20000 phrases pour les HMM) de données qui sont extraites...