Skrytý Markovův model: Porovnání verzí
Smazaný obsah Přidaný obsah
Bez shrnutí editace |
m Opravy pravopisných chyb, děkuji uživateli Michal Bohuslávek za připomínky značka: editace z Vizuálního editoru |
||
Řádek 1:
'''Skrytý Markovův model''' (angl. HMM) je statistický Markovův model, který modeluje systém za předpokladu, že jde o Markovův proces se skrytými (nepozorovanými) stavy. HMM může být znázorněn pomocí nejjednodušší [[:en:dynamic Bayesian network|dynamické Bayesovy sítě]]. Matematické základy modelu vyvinul [[:en:Leonard E. Baum|L. E. Baum]] spolu se svým týmem spolupracovníků.<ref>{{cite journal|last=Baum|first=L. E.|author2=Petrie, T.|title=Statistical Inference for Probabilistic Functions of Finite State Markov Chains|journal=The Annals of Mathematical Statistics|year=1966|volume=37|issue=6|pages=1554–1563|url=http://projecteuclid.org/DPubS/Repository/1.0/Disseminate?handle=euclid.aoms/1177699147&view=body&content-type=pdf_1|accessdate=28 November 2011|doi=10.1214/aoms/1177699147}}</ref><ref>{{cite journal|last=Baum|first=L. E.|author2=Sell, G. R.|title=Growth transformations for functions on manifolds|journal=Pacific Journal of Mathematics|year=1968|volume=27|issue=2|pages=211–227|url=http://www.scribd.com/doc/6369908/Growth-Functions-for-Transformations-on-Manifolds|accessdate=28 November 2011|doi=10.2140/pjm.1968.27.211}}</ref><ref>{{cite journal|last=Baum|first=L.E.|title=An Inequality and Associated Maximization Technique in Statistical Estimation of Probabilistic Functions of a Markov Process|journal=Inequalities|year=1972|volume=3|pages=1–8}}</ref> Problematika velmi úzce souvisí s dřívější prací [[:en:Ruslan L. Stratonovich|Ruslana L. Stratonoviche]], který pracoval na lineárním [[:en:filtering problem (stochastic processes)|problému filtrování]]
V jednodušších [[:en:Markov model|Markovových modelech]] (jako je [[:en:Markov chain|Markovův řetězec]]), je stav systému viditelný pozorovateli, tudíž pravděpodobnost změny stavu je jediný parametr modelu.
Skryté Markovovy modely jsou známé zejména na poli
Skryté Markovovy modely lze považovat za zobecnění [[:en:smíšených modelů]], ve kterých nejsou skryté proměnné (nebo [[:en:latent variables|latentní proměnné]]) nezávislé jedna na druhé, ale naopak jsou navzájem spojené Markovovým procesem. V poslední době byly skryté Markovovy modely zobecněny na párové Markovovy modely a tripletové Markovovy modely, které umožňují využití modelu i na komplexnější datové struktury <ref name="TMMEV">[http://www.sciencedirect.com/science/article/pii/S0888613X06000375 Pr. Pieczynski], W. Pieczynski, Multisensor triplet Markov chains and theory of evidence, International Journal of Approximate Reasoning, Vol. 45, No. 1, pp. 1-16, 2007.</ref><ref name="JASP">[http://asp.eurasipjournals.com/content/pdf/1687-6180-2012-134.pdf Boudaren et al.], M. Y. Boudaren, E. Monfrini, W. Pieczynski, and A. Aissani, Dempster-Shafer fusion of multisensor signals in nonstationary Markovian context, EURASIP Journal on Advances in Signal Processing, No. 134, 2012.</ref> a modelování nestacionárních dat.<ref name="TSP">[http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=1468502&contentType=Journals+%26+Magazines&searchField%3DSearch_All%26queryText%3Dlanchantin+pieczynski Lanchantin et al.], P. Lanchantin and W. Pieczynski, Unsupervised restoration of hidden non stationary Markov chain using evidential priors, IEEE Trans. on Signal Processing, Vol. 53, No. 8, pp. 3091-3098, 2005.</ref><ref name="SPL">[http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6244854&contentType=Journals+%26+Magazines&searchField%3DSearch_All%26queryText%3Dboudaren Boudaren et al.], M. Y. Boudaren, E. Monfrini, and W. Pieczynski, Unsupervised segmentation of random discrete data hidden with switching noise distributions, IEEE Signal Processing Letters, Vol. 19, No. 10, pp. 619-622, October 2012.</ref>
Řádek 16:
''b'' — pravděpodobnosti výstupů]]
Ve své diskrétní formě lze skrytý Markovův proces znázornit zobecněním [[:en:Urn problem|problému
</ref> Uvažujeme následující příklad: v místnosti, do které pozorovatel nevidí, je duch. Místnost obsahuje urny X1, X2, X3, ... . Každá z uren obsahuje známý počet různých míčků. Míčky jsou označené y1,
Samotný Markovův proces nemůže být pozorován (lze pozorovat pouze sekvenci výstupů), a proto se tomu to procesu říká skrytý Markovův proces. Znázorňuje to spodní část obrázku 1, ze kterého je patrné, že v každém stavu může být tažen míček y1, y2, y3 nebo y4. Tedy ačkoliv pozorovatel zná rozmístění urn a právě viděl posloupnost tří vytažených míčků, nemůže si být jistý, ze které urny duch vytáhl třetí míček. Lze pouze určit pravděpodobnosti s jakými byl třetí míček z jednotlivých uren vytažen.
==Reference==
|