Запитання з тегом «hidden-markov-model»

З Вікіпедії Динамічна байесівська мережа (DBN) - байєсівська мережа, яка пов'язує змінні один з одним за суміжними етапами часу. Це часто називають B-Timeslice BN, оскільки це говорить про те, що в будь-який момент часу T значення змінної можна обчислити з внутрішніх регресорів та безпосереднього попереднього значення (час T-1) . DBN …

11 hidden-markov-model  graphical-model 

Які переваги надають певні початкові значення перехідним ймовірностям у прихованій моделі Маркова? Врешті-решт система їх вивчить, тож який сенс давати значення, крім випадкових? Чи змінюється базовий алгоритм, такий як Баум-Велч? Якщо я знаю ймовірності переходу на початку дуже точно, і моя головна мета - передбачити вихідні ймовірності з прихованого стану …

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

Маркові ланцюги мають сенс для мене, я можу використовувати їх для моделювання імовірнісних змін стану в реальних життєвих проблемах. Потім приходить HMM. Як стверджується, ГММ більше підходять для моделювання багатьох проблем, ніж МС. Однак проблеми, про які згадують люди, є дещо складними для розуміння таких, як обробка мови. Отже, моє …

11 hidden-markov-model 

Чи може хтось уточнити, наскільки приховані моделі Маркова пов'язані з максимізацією очікування? Я пройшов багато посилань, але не міг придумати чіткого погляду. Дякую!

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

Я працюю над досить великим статистичним моделюванням, наприклад, прихованими моделями Маркова та моделями суміші Гаусса. Я бачу, що для підготовки гарних моделей у кожному з цих випадків потрібен великий (> 20000 пропозицій для HMM) даних, які беруться з подібних середовищ, як остаточне використання. Моє запитання: Чи існує в літературі поняття …

10 modeling  hidden-markov-model  gaussian-mixture 

У цьому популярному питанні відповідь з високою оцінкою робить MLE та Baum Welch відокремленими у підході до HMM. Для тренувальної задачі ми можемо використовувати наступні 3 алгоритми: MLE (максимальна оцінка ймовірності), навчання Вітербі (НЕ плутати з декодуванням Вітербі), Baum Welch = алгоритм вперед-назад. АЛЕ у Вікіпедії , йдеться Алгоритм Баума-Уелча …

10 hidden-markov-model  expectation-maximization 

Запитання : Чи встановлена ​​нижче схема розумної реалізації моделі прихованого Маркова? У мене є набір даних 108,000спостережень (за 100 днів) і приблизно 2000подій протягом усього періоду спостереження. Дані виглядають як на малюнку нижче, де спостерігається змінна може приймати 3 дискретні значення[ 1 , 2 , 3 ][1,2,3][1,2,3]і червоні стовпці виділяють …

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

Наступні трансплантати взяті з цієї статті . Я новачок у завантажувальній програмі та намагаюся реалізувати параметричне, напівпараметричне та непараметричне завантажувальне завантаження для лінійної змішаної моделі з R bootпакетом. R код Ось мій Rкод: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn …

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