Ví dụ về các vấn đề mô hình Markov ẩn?

Tôi đã đọc khá nhiều mô hình Markov ẩn và có thể tự viết mã phiên bản khá cơ bản của nó.

Nhưng có hai cách chính tôi dường như học hỏi. Một là đọc và triển khai nó thành mã (đã được thực hiện) và thứ hai là để hiểu cách áp dụng nó trong các tình huống khác nhau (vì vậy tôi có thể hiểu rõ hơn về cách nó liên quan đến các vấn đề tôi có thể đang làm việc). Tất cả các ví dụ tôi đã làm cho đến nay đều liên quan đến một số loại dự đoán DNA hoặc tung đồng xu.

Tôi tự hỏi liệu có bất kỳ nguồn lực nào để gặp các vấn đề khác của Markov không (ngôn ngữ không thành vấn đề nhưng hy vọng với câu trả lời cũng để tôi có thể biết mình đúng hay sai)?

Tôi đã sử dụng HMM trong kịch bản ước tính mức nhu cầu / hàng tồn kho, trong đó chúng tôi có hàng hóa được mua từ nhiều cửa hàng có thể hoặc không thể hết hàng tồn kho. Do đó, chuỗi nhu cầu hàng ngày đối với các mặt hàng này bao gồm các số 0 là số ngày không có nhu cầu hợp pháp và cũng là số không vì cửa hàng đã hết hàng. Bạn sẽ nghĩ rằng bạn biết liệu cửa hàng đã hết hàng từ mức tồn kho hay chưa, nhưng lỗi trong hồ sơ tồn kho lan truyền và không có gì lạ khi tìm thấy một cửa hàng nghĩ rằng nó có số lượng mặt hàng tích cực trong tay, nhưng thực tế không có ai; trạng thái ẩn là, nhiều hay ít, cho dù cửa hàng thực sự có hàng tồn kho hay không, và tín hiệu là (nhu cầu hàng ngày, mức tồn kho danh nghĩa). Không có tài liệu tham khảo cho công việc này, mặc dù; chúng tôi không được phép công bố kết quả vì lý do cạnh tranh.

Chỉnh sửa: Tôi sẽ thêm rằng điều này đặc biệt quan trọng bởi vì, với nhu cầu bằng không, hàng tồn kho danh nghĩa của cửa hàng không bao giờ giảm và vượt qua một điểm đặt hàng, gây ra một đơn đặt hàng cho hàng tồn kho nhiều hơn - do đó, không có trạng thái nào do hồ sơ tồn kho sai sót không được sửa chữa trong một thời gian dài, cho đến khi ai đó nhận thấy có gì đó không đúng hoặc số chu kỳ xảy ra, có thể là nhiều tháng sau khi vấn đề bắt đầu.

Tôi đã trải nghiệm khá nhiều điều tương tự và không tìm thấy nhiều ngoài thời tiết. Các lĩnh vực xuất hiện trong tâm trí bao gồm: nhận dạng giọng nói, phát hiện điểm thay đổi, gắn thẻ các phần của lời nói trong văn bản, căn chỉnh các mục / văn bản chồng chéo và nhận dạng ngôn ngữ ký hiệu.

Một ví dụ tôi đã tìm thấy và thực hiện một số thăm dò là trong Phần 8 của phần giới thiệu này , đây là một trong những tài liệu tham khảo cho HMM trên Wikipedia. (Điều này thực sự khá thú vị: phân tích của bạn phát hiện ra rằng có nguyên âm và phụ âm.) Điều này cũng giới thiệu cho bạn cách làm việc với một văn bản văn bản, rất hữu ích.

(Nếu bạn muốn chơi với thế hệ với HMM, bạn có thể đào tạo trên văn bản Shakespeare và sau đó tạo giả-Shakespeare.)

Hầu hết các phần mềm nhận dạng giọng nói đều sử dụng Mô hình Markov ẩn. Bạn có thể thử nghiệm xử lý ngôn ngữ tự nhiên nếu bạn muốn cảm nhận về các ứng dụng HMM.

Đây là một nguồn tốt: Mô hình đồ họa xác suất, của Koller và Friedman .

Các mô hình markov ẩn rất hữu ích trong việc theo dõi HIV. HIV xâm nhập vào dòng máu và tìm kiếm các tế bào phản ứng miễn dịch. Sau đó, nó nằm trên hàm lượng protein của tế bào và xâm nhập vào lõi của tế bào và thay đổi hàm lượng DNA của tế bào và bắt đầu tăng sinh virion cho đến khi nó thoát ra khỏi tế bào. Tất cả các giai đoạn này là không quan sát được và được gọi là tiềm ẩn. Một ví dụ lý tưởng cho mô hình markovian ẩn.

Đối với tôi, ứng dụng rất hay của HMM là nhận dạng hợp âm trong sáng tác âm nhạc. Xem ví dụ bài giảng này.

Các mô hình Markov có thể hữu ích trong việc phân tích các tương tác của người dùng với trang web - Ví dụ trên Amazon.com trong đó tìm ra chuỗi tương tác nào dẫn đến thanh toán để đưa ra khuyến nghị trong tương lai.

Một ví dụ thú vị cho thấy việc sử dụng Mô hình Markov là như sau-

http://freakonometrics.blog.free.fr/index.php?post/2011/12/20/Basic-on-Markov-Chain-(for-parents )