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
HMMの文字列分解による高速化 - DO++
今年もよろしく 読んで面白かった研究紹介を。 "Speeding Up HMM Decoding and Training by Exploiting Sequence Repetitions" [pdf] S. Mozes, et. al. CPM 2007の best paper HMM（隠れマルコフモデル）は、観測できる状態の列(s1, s2, ..., sn)が与えられたとき、隠れ状態の列（h1, h2, .., hn)を次の確率が最大になるものとして求めます。 Π_{i =1to n} p(s_i|h_i) p(h_i | h_{i-1}) ・・・(1) 各隠れ状態は直前の隠れ状態にのみ依存した確率分布で生成され、観測された各状態は、各隠れ状態から生成されます。隠れマルコフモデルは非常に広い分野で使われており、音声認識やら、品詞推定やら、最近では生物情報など（DNAの列が与えられ
1
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
処理を実行中です
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
