[B! algorithm][Algorithm][hmm] yukimori_726のブックマーク

yukimori_726 id:yukimori_726

algorithmとAlgorithmとhmmに関するyukimori_726のブックマーク (2)

続・わかりやすいパターン認識教師なし学習入門 [隠れマルコフモデル・ビタービアルゴリズムの実験] - Qiita
c = 3 # 状態数 s = [ "w1", "w2", "w3" ] # 状態 m = 2 # 出力数 v = [ "v1", "v2" ] # 出力記号 n = 3 # 観測回数 # それぞれの状態の初期確率 p = [ 1/3, 1/3, 1/3 ] # 状態遷移確率 A = [ [ 0.1, 0.7, 0.2 ], [ 0.2, 0.1, 0.7 ], [ 0.7, 0.2, 0.1 ] ] # 状態毎のでのそれぞれの観測確率 B = [ [ 0.9, 0.1 ], [ 0.6, 0.4 ], [ 0.1, 0.9 ] ] # p1をp[0], p2をp[1], p3をp[2] # v1をv[0], v2をv[1] # x1をx[0], x2をx[1], x3をx[2] # として以下表現する # 観測結果 x = [ 0, 1, 0 ] # v1, v2, v1という結果 cl
yukimori_726 2016/05/24
hmm

algorithm
リンク
続・わかりやすいパターン認識教師なし学習入門 [前向きアルゴリズム・後ろ向きアルゴリズムの実験] - Qiita
隠れマルコフモデル・前向きアルゴリズム・後ろ向きアルゴリズムをそれぞれPythonを使って実装してみた続・わかりやすいパターン認識―教師なし学習入門―の隠れマルコフモデル・ビタービアルゴリズムをPythonを使って実装してみました続・わかりやすいパターン認識―教師なし学習入門― 隠れマルコフモデル・前向きアルゴリズム・後ろ向きアルゴリズム numpyでシンプルに実装したものは一番下に記述しています。 c = 3 # 状態数 s = [ "w1", "w2", "w3" ] # 状態 m = 2 # 出力数 v = [ "v1", "v2" ] # 出力記号 # それぞれの状態の初期確率 p = [ 1/3, 1/3, 1/3 ] # 状態遷移確率 A = [ [ 0.1, 0.7, 0.2 ], [ 0.2, 0.1, 0.7 ], [ 0.7, 0.2, 0.1 ] ] # 状態毎の
yukimori_726 2016/05/23
algorithm

hmm
リンク
1

お知らせ

もっと読む

公式Twitter

@HatenaBookmark
リリース、障害情報などのサービスのお知らせ
@hatebu
最新の人気エントリーの配信

キーボードショートカット一覧

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

設定を変更しましたx