HMMの基本問題
HMMに関して重要な基本問題として次の五つが挙げられる [60][4]。 モデルの尤度評価 観測系列 と HMM, が与えられている時、モデルが を出力する尤度 を求める。 モデルの推定 学習用シンボルを与えて尤度 が最大になるようにモデルのパラメータを推 定する。 最適状態系列の推定 モデルがシンボル系列 を出力する時の最も可能性の高い状態遷移系列を推定し、その系列 に対する尤度を求める。 モデルの設計 状態数や遷移先の種類などのHMMの構 造を決定する。 訓練用データの基準 良いモデルを得るための訓練用デー タの量や質を決定する。 1. の解法を2.1.3節で、2.についての解法は 2.1.6節で、3. については 2.1.7節で方法を紹介する。 4. 5. については、現在のところ経験則に依存している。 Jin'ichi Murakami 平成13年1月5日
確率的言語モデルによる自由発話認識に関する研究 － 村上仁一
次へ: 目次 目次 確率的言語モデルによる自由発話認識に関する研究 博士（工学） 村上仁一 豊橋技術科学大学 論文要旨 確率的言語モデルによる自由発話認識に関する研究 日本文音声入力においては、音声の持つ物理的特性に着目した音声認識装置の 限界を克服するため、日本語の文法や意味を用いた自然言語処理を併用するこ との必要性が指摘されている。この場合の言語処理の方法として、多くの言語 モデルがあるが、大きく分類してルールベースの言語モデルと確率ベースの言 語モデルがある。 言語の確率ベースの研究を行なう場合、基本的には大量のテキストデー タ量が必要である。英語ではデータベースの重要性が認識されていて古くから Brown corpusやAP corpusなどがあるが、しかし日本語ではコンピュータに読 み込める形式で利用できる大量のデータベースが最近まで存在していなかった。 そのため、確率的な言語
第11回情報論的学習理論ワークショップ(IBIS2008)
最近, ノンパラメトリック・ベイズ法とよばれるベイズ統計モデルが脚光を浴びているが, 理論的な前提の難解さのために, 多くの人にとってその本質がわかりにくい面があると思われる。そこで本チュートリアルでは, * ノンパラメトリックベイズ法とは何か? どんなモデルがあるのか? * どうして推定が可能なのか? * どのような応用があるのか? * 興味を持った場合, どうやって勉強したらいいのか? * 未来にどのように発展するのか? のような疑問に答える形で, ノンパラメトリック・ベイズ法の世界の全体像について ご紹介したい。 誰でも聞いていただけるものとするが, ベイジアンの方にとっても最近の展望を与え, 研究に資するものとしたい。
「形態素解析」の意味や使い方 わかりやすく解説 Weblio辞書
出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2024/03/10 16:06 UTC 版) 形態素解析（けいたいそかいせき、Morphological Analysis）とは、文法的な情報の注記の無い自然言語のテキストデータ（文）から、対象言語の文法や、辞書と呼ばれる単語の品詞等の情報にもとづき、形態素（Morpheme, おおまかにいえば、言語で意味を持つ最小単位）の列に分割し、それぞれの形態素の品詞等を判別する作業である。 ^ 長尾真（1979年）「計算機による日本語文章の解析に関する研究」、昭和53年度文部省科学研究費特定研究(1)研究報告書 ^ 長尾真・辻井潤一（1978年）「国語辞書の記憶と日本語の自動分割」、情報処理 Vol.19 No.6 ^ 首藤公昭・楢原登志子・吉田将（1979年）「日本語の機械処理のための文節構造モデル」、電子通信学会誌 Vol.6
隠れマルコフモデル(HMM)で遊ぶ - きしだのHatena
出力と状態が1対1に対応していなくて、状態を直接知ることができないようなものを隠れマルコフモデル(HMM:Hidden Markov Model)といいます。 で、その隠れマルコフモデルで遊ぶために、とりあえず状態遷移と出力文字候補を作ってみます。 この隠れマルコフモデルで適当に確率を設定して実行したときの結果は、こんな感じになりました。 状態遷移:31 32 33 31 32 33 0 31 32 33 0 21 22 0 21 22 0 21 22 31 32 33 31 32 33 0 31 32 33 31 出力:serrar rer te rr rrsertah reht public class HiddenMarkovModel { public static void main(String[] args){ String[] Q = {//状態 "0", "1", "21
Hidden Markov model - Wikipedia
A hidden Markov model (HMM) is a Markov model in which the observations are dependent on a latent (or "hidden") Markov process (referred to as ). An HMM requires that there be an observable process whose outcomes depend on the outcomes of in a known way. Since cannot be observed directly, the goal is to learn about state of by observing By definition of being a Markov model, an HMM has an addition
尤度の解説
このドメインは お名前.com から取得されました。 お名前.com は GMOインターネットグループ(株) が運営する国内シェアNo.1のドメイン登録サービスです。 ※表示価格は、全て税込です。 ※サービス品質維持のため、一時的に対象となる料金へ一定割合の「サービス維持調整費」を加算させていただきます。 ※1 「国内シェア」は、ICANN(インターネットのドメイン名などの資源を管理する非営利団体)の公表数値をもとに集計。gTLDが集計の対象。 日本のドメイン登録業者(レジストラ)（「ICANNがレジストラとして認定した企業」一覧（InterNIC提供）内に「Japan」の記載があるもの）を対象。 レジストラ「GMO Internet Group, Inc. d/b/a Onamae.com」のシェア値を集計。 2023年10月時点の調査。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
モデルからの文法抽出
nlp1-08.key
Ergodic HMMを用いた形態素解析
基本動作単語HMMに基づく手話認識 — MMSP Lab.
Ergodic HMMを用いた未知・複数信号源クラスタリング問題の検討
http://www.slp.ics.tut.ac.jp/
syuuron
サービス終了のお知らせ
School of Computing
統計力学概論（中央大学）
尤度関数と最尤推定量(maximum likelihood estimato
シラバス
http://dl.cybernet.co.jp/matlab/support/manual/r2007/toolbox/stats/?/matlab/support/manual/r2007/toolbox/stats/bq_cajm-1.shtml