Tôi đang cố gắng sử dụng mô hình Markov ẩn (HMM) cho một vấn đề mà tôi có các biến quan sát khác nhau (Yti) và một biến ẩn (Xt) tại mỗi thời điểm, t. Để rõ ràng, chúng ta hãy giả sử tất cả các biến quan sát (Yti) là phân loại, trong đó mỗi Yti truyền tải thông tin khác nhau và như vậy có thể có các hồng y khác nhau. Một ví dụ minh họa được đưa ra trong hình bên dưới, trong đó M = 3.Mô hình Markov ẩn cho nhiều biến quan sát
Mục tiêu của tôi là đào tạo chuyển đổi, khí thải và xác suất trước của một HMM, bằng cách sử dụng thuật toán Baum-Welch, từ chuỗi biến quan sát của tôi (YTI). Giả sử, Xt ban đầu sẽ có 2 trạng thái ẩn.
Tôi đã đọc một vài hướng dẫn (bao gồm cả giấy Rabiner nổi tiếng) và đã trải qua các mã của một vài gói phần mềm HMM, cụ thể là 'HMM Toolbox trong Matlab' và 'gói hmmpytk bằng Python'. Nhìn chung, tôi đã thực hiện tìm kiếm trên web rộng lớn và tất cả các tài nguyên mà tôi có thể tìm thấy - chỉ bao gồm trường hợp, trong đó chỉ có một biến quan sát duy nhất (M = 1) tại mỗi thời điểm. Điều này càng khiến tôi nghĩ rằng HMM không phù hợp với các tình huống có nhiều biến quan sát.
- Có thể mô hình vấn đề được mô tả trong hình dưới dạng HMM không?
- Nếu có, làm cách nào có thể sửa đổi thuật toán Baum-Welch để phục vụ cho việc đào tạo các tham số HMM dựa trên xác suất quan trắc đa (phát xạ) đa biến?
- Nếu không, bạn có biết phương pháp nào phù hợp hơn cho tình huống được mô tả trong hình không?
Cảm ơn.
Edit: Trong paper này, tình hình được miêu tả trong hình được mô tả như một Naive Bayes động, mà -trong về công tác đào tạo và lập dự toán algorithms- đòi hỏi một phần mở rộng nhẹ để thuật toán Baum-Welch và Viterbi cho một HMM đơn biến.
Bạn đang nói về [cái gì đó như thế này] (http://vision.gel.ulaval.ca/~parizeau/Publications/P971225.pdf)? –
Naïvely Tôi muốn nói rằng bạn có thể mô hình một vấn đề như một HMM tiêu chuẩn với chỉ một quan sát. Nếu mỗi obvervation 'Yti' là phần tử R, chỉ cần làm cho mỗi đa quan sát' Yt' một phần tử trong R^3. Điều này sẽ dẫn đến n^3 nhiều quan sát có thể, nếu n là số quan sát có thể có duy nhất. Tuy nhiên, điều này ** có thể ** (Tôi không chắc chắn/không biết) dẫn đến sự cần thiết phải đào tạo thêm dữ liệu so với một cách tiếp cận tinh vi hơn. – Aufziehvogel
@ Aufziehvogel, đó là một khả năng nhưng khi bạn chỉ ra, nó thổi phồng không gian xác suất vô cùng và sẽ đòi hỏi rất nhiều dữ liệu đào tạo. Ngoài ra, đồ họa, mô hình bạn đề xuất sẽ không giống như mô hình được đưa ra trong hình. – Rhubarb