Als «hidden-markov-model» getaggte Fragen

Hidden-Markov-Modelle werden zur Modellierung von Systemen verwendet, bei denen es sich um Markov-Prozesse mit versteckten (dh nicht beobachteten) Zuständen handelt.

2
Bedeutung der anfänglichen Übergangswahrscheinlichkeiten in einem Hidden-Markov-Modell
Was sind die Vorteile der Angabe bestimmter Anfangswerte für Übergangswahrscheinlichkeiten in einem Hidden-Markov-Modell? Irgendwann wird das System sie lernen. Was bringt es also, andere als zufällige Werte anzugeben? Macht der zugrunde liegende Algorithmus einen Unterschied wie Baum-Welch? Was würden Sie mir raten, wenn ich die Übergangswahrscheinlichkeiten zu Beginn sehr genau …
2
Verstecktes Markov-Modell gegen wiederkehrendes neuronales Netzwerk
Welche sequentiellen Eingabeprobleme eignen sich jeweils am besten? Bestimmt die Eingabedimensionalität, welche besser zu Ihnen passt? Sind Probleme, die "längeren Speicher" erfordern, besser für ein LSTM-RNN geeignet, während Probleme mit zyklischen Eingabemustern (Börse, Wetter) von einem HMM leichter gelöst werden können? Es scheint, dass es viele Überschneidungen gibt; Ich bin …
3
Markov-Ketten gegen HMM
Markov-Ketten machen für mich Sinn, ich kann sie verwenden, um probabilistische Zustandsänderungen in realen Problemen zu modellieren. Dann kommt das HMM. HMMs sollen besser geeignet sein, viele Probleme zu modellieren als MCs. Die genannten Probleme sind jedoch etwas komplex zu verstehen, beispielsweise die Sprachverarbeitung. Meine Frage ist also, können Sie …
3
Unterschied zwischen MLE und Baum Welch bei der HMM-Anpassung
In dieser beliebten Frage trennen sich MLE und Baum Welch aufgrund der hoch bewerteten Antwort in der HMM-Anpassung. Für Trainingsprobleme können wir die folgenden 3 Algorithmen verwenden: MLE (Maximum Likelihood Estimation), Viterbi-Training (NICHT mit Viterbi-Decodierung verwechseln), Baum Welch = Vorwärts-Rückwärts-Algorithmus ABER in Wikipedia heißt es Der Baum-Welch-Algorithmus verwendet den bekannten …
1
Verstecktes Markov-Modell zur Ereignisvorhersage
Frage : Ist der Aufbau unten eine sinnvolle Implementierung eines Hidden Markov-Modells? Ich habe einen Datensatz von 108,000Beobachtungen (über einen Zeitraum von 100 Tagen) und ungefähr 2000Ereignisse während der gesamten Beobachtungszeitspanne. Die Daten sehen wie in der folgenden Abbildung aus, in der die beobachtete Variable 3 diskrete Werte annehmen kann …
2
Parametrisches, semiparametrisches und nichtparametrisches Bootstrapping für gemischte Modelle
Die folgenden Transplantate stammen aus diesem Artikel . Ich bin ein Neuling im Bootstrap und versuche, das parametrische, semiparametrische und nichtparametrische Bootstrapping-Bootstrapping für ein lineares gemischtes Modell mit R bootPaket zu implementieren. R-Code Hier ist mein RCode: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …
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 
2
Skalieren der Rückwärtsvariablen in HMM Baum-Welch
Ich versuche nur, den skalierten Baum-Welch-Algorithmus zu implementieren, und bin auf ein Problem gestoßen, bei dem meine Rückwärtsvariablen nach der Skalierung über dem Wert 1 liegen. Ist das normal? Schließlich sollten die Wahrscheinlichkeiten nicht über 1 liegen. Ich verwende den Skalierungsfaktor, den ich aus den Vorwärtsvariablen erhalten habe: ct=1/∑s∈Sαt(s)ct=1/∑s∈Sαt(s) c_t …
2
Vorhersagen von Zustandswahrscheinlichkeiten oder Zuständen für neue Daten mit dem DepmixS4-Paket für Hidden Markov-Modelle
Es scheint, als könnte ich die Parameter gut lernen und die hinteren Wahrscheinlichkeiten für die Trainingsdaten finden, aber ich habe keine Ahnung, wie ich neue Vorhersagen für neue Daten treffen kann. Das Problem liegt insbesondere in den Übergangswahrscheinlichkeiten, die sich bei Kovariaten ändern. Daher ist es nicht trivial, Code zu …
3
Statistisches Modell zur Vorhersage der nächsten Bewegung im Netzwerk nur anhand des Bewegungsverlaufs
Ist es möglich, ein statistisches Modell zu erstellen, das die nächste Bewegung in einem Diagramm ausschließlich auf der Grundlage vergangener Bewegungen und der Struktur des Diagramms vorhersagt? Ich habe ein Beispiel gemacht, um das Problem zu veranschaulichen: Die Zeit ist diskret . In jeder Runde bleiben Sie entweder an Ihrem …
1
Versteckte Zustandsmodelle vs. staatenlose Modelle für die Zeitreihenregression
Dies ist eine recht allgemeine Frage: Angenommen, ich möchte ein Modell erstellen, um die nächste Beobachtung basierend auf den vorherigen Beobachtungen vorherzusagen ( kann ein Parameter zur experimentellen Optimierung sein). Wir haben also im Grunde ein Schiebefenster mit Eingabemerkmalen, um die nächste Beobachtung vorherzusagen.N.NNNNNN Ich kann einen Hidden-Markov-Modell-Ansatz verwenden, dh …
1
Vom Standard-HMM zum Bayes-HMM
Ich versuche zu verstehen, was der Unterschied zwischen einem Standard-HMM und einem Bayes-HMM ist. Wikipedia erwähnt nur kurz, wie das Modell aussieht, aber ich brauche ein detaillierteres Tutorial. Kennt jemand ein Papier oder eine Implementierung, die ich mir ansehen kann? Ich habe auch Probleme mit der verwendeten Terminologie. Was bedeutet …
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.