Los modelos ocultos de Markov se utilizan para modelar sistemas que se supone que son procesos de Markov con estados ocultos (es decir, no observados).
Estoy buscando recursos (tutoriales, libros de texto, webcast, etc.) para aprender sobre Markov Chain y HMM. Mi experiencia es como biólogo, y actualmente estoy involucrado en un proyecto relacionado con la bioinformática. Además, ¿cuáles son los conocimientos matemáticos necesarios que necesito...
Quiero saber cuáles son las diferencias entre el algoritmo de avance y retroceso y el algoritmo de Viterbi para inferencia en modelos ocultos de Markov
Entiendo que los HMM (modelos ocultos de Markov) son modelos generativos, y CRF son modelos discriminativos. También entiendo cómo se diseñan y utilizan los CRF (campos aleatorios condicionales). Lo que no entiendo es en qué se diferencian de los HMM. Leí que en el caso de HMM, solo podemos modelar...
Aquí está mi vieja pregunta Me gustaría preguntar si alguien sabe la diferencia (si hay alguna diferencia) entre los modelos Hidden Markov (HMM) y el Filtro de partículas (PF), y como consecuencia el Filtro Kalman, o en qué circunstancias usamos qué algoritmo. Soy estudiante y tengo que hacer un...
He implementado un HMM discreto de acuerdo con este tutorial http://cs229.stanford.edu/section/cs229-hmm.pdf Este tutorial y otros siempre hablan de entrenar a un HMM dada una secuencia de observación. ¿Qué sucede cuando tengo múltiples secuencias de entrenamiento? ¿Debo ejecutarlos...
Actualmente estoy usando el entrenamiento de Viterbi para un problema de segmentación de imágenes. Quería saber cuáles son las ventajas / desventajas de usar el algoritmo Baum-Welch en lugar del entrenamiento de Viterbi.
Para mi tesis de maestría, estoy trabajando en el desarrollo de un modelo estadístico para las transiciones entre diferentes estados, definido por el estado serológico. Por ahora, no daré demasiados detalles en este contexto, ya que mi pregunta es más general / teórica. De todos modos, mi intuición...
Estoy descubriendo el maravilloso mundo de los llamados "Modelos ocultos de Markov", también llamados "modelos de cambio de régimen". Me gustaría adaptar un HMM en R para detectar tendencias y puntos de inflexión. Me gustaría construir el modelo lo más genérico posible para poder probarlo a muchos...
He desarrollado un sistema de prueba de concepto para el reconocimiento de sonido utilizando mfcc y modelos ocultos de markov. Da resultados prometedores cuando pruebo el sistema en sonidos conocidos. Aunque el sistema, cuando se ingresa un sonido desconocido, devuelve el resultado con la...
¿Qué problemas de entrada secuenciales son los más adecuados para cada uno? ¿La dimensionalidad de entrada determina cuál es una mejor coincidencia? ¿Los problemas que requieren "memoria más larga" son más adecuados para un LSTM RNN, mientras que los problemas con patrones de entrada cíclicos...
El bootstrap, en su forma estándar, se puede usar para calcular los intervalos de confianza de las estadísticas estimadas, siempre que las observaciones sean idóneas. I. Visser y col. en " Intervalos de confianza para parámetros de modelo de Markov ocultos ", se utilizó una rutina de arranque...
Quiero usar BIC para la selección del modelo HMM: BIC = -2*logLike + num_of_params * log(num_of_data) Entonces, ¿cómo cuento el número de parámetros en el modelo HMM? Considere un simple HMM de 2 estados, donde tenemos los siguientes datos: data = [1 2 1 1 2 2 2 1 2 3 3 2 3 2 1 2 2 3 4 5 5 3 3...
Tengo un conjunto de datos de series temporales en el que estoy tratando de ajustar un Modelo de Markov Oculto (HMM) para estimar el número de estados latentes en los datos. Mi pseudo código para hacer esto es el siguiente: for( i in 2 : max_number_of_states ){ ... calculate HMM with i states...
Así que entiendo que cuando entrenas HMM para la clasificación, el enfoque estándar es: Separe sus conjuntos de datos en los conjuntos de datos para cada clase Entrena un HMM por clase En el conjunto de prueba, compare la probabilidad de cada modelo para clasificar cada ventana Pero, ¿cómo...
Estoy buscando alguna implementación de Python (en Python puro o envolviendo cosas existentes) de HMM y Baum-Welch. ¿Algunas ideas? Acabo de buscar en google y he encontrado material muy pobre con respecto a otras técnicas de aprendizaje automático. ¿Por
Las cadenas de Markov tienen sentido para mí, puedo usarlas para modelar cambios probabilísticos de estado en problemas de la vida real. Luego viene el HMM. Se dice que los HMM son más adecuados para modelar muchos problemas que los MC. Sin embargo, los problemas que mencionan las personas son algo...
De Wikipedia Una Red Bayesiana Dinámica (DBN) es una Red Bayesiana que relaciona variables entre sí en pasos de tiempo adyacentes. Esto a menudo se llama un BN de dos tiempos porque dice que en cualquier momento T, el valor de una variable se puede calcular a partir de los regresores internos y...
¿Cuáles son los beneficios de dar ciertos valores iniciales a las probabilidades de transición en un modelo oculto de Markov? Finalmente, el sistema los aprenderá, entonces, ¿cuál es el punto de dar valores distintos de los aleatorios? ¿El algoritmo subyacente hace una diferencia como...
¿Alguien puede aclarar cómo los modelos ocultos de Markov están relacionados con la maximización de expectativas? He pasado por muchos enlaces pero no pude tener una visión
Trabajo en una gran cantidad de modelos estadísticos, como Hidden Markov Models y Gaussian Mixture Models. Veo que entrenar buenos modelos en cada uno de estos casos requiere una gran cantidad de datos (> 20000 oraciones para HMM) que se toman de entornos similares como el uso final. Mi pregunta...