Từ HMM tiêu chuẩn đến HMM Bayes

Tôi đang cố gắng hiểu sự khác biệt giữa HMM tiêu chuẩn và HMM Bayes là gì. Wikipedia chỉ đề cập ngắn gọn về mô hình trông như thế nào nhưng tôi cần một hướng dẫn chi tiết hơn. Có ai biết về một bài báo hoặc một triển khai mà tôi có thể nhìn vào?

Ngoài ra tôi có vấn đề với thuật ngữ được sử dụng. Thực tế nó có nghĩa là gì nếu bạn "đặt / đặt Dirichlet trước khi phân phối"?

bayesian hidden-markov-model

— Người cười
nguồn

Bạn có quen thuộc với các bản phân phối trước và bản phân phối sau không? Nếu không, hãy đọc qua một ví dụ về thực hiện suy luận Bayes về dữ liệu nhị thức (nghĩa là đưa ra một chuỗi các đồng xu được quan sát, suy ra xác suất của các đầu) , sau đó, đó là sự khái quát hóa thẳng về dữ liệu đa phương (nghĩa là đưa ra một số cuộn sai lệch mặt chết, suy ra xác suất quan sát mỗi bên). Vấn đề thứ hai, liên quan đến việc "đặt Dirichlet trước" trên vectơ xác suất, cũng giống như suy luận với HMM Bayes.

K

$K$

— jerad

Đây là một bài viết hay, ngắn về các HMM Bayes cho việc gắn thẻ một phần bài phát biểu có lời giải thích tuyệt vời về lý do tại sao phương pháp Bayes lại hữu ích.

— jerad

Vì vậy, bất cứ ai có thể đưa ra một ví dụ như thế nào nó sẽ trông như thế nào? Theo nghĩa của một con súc sắc 6 mặt, vectơ xác suất đồng nhất sẽ là {1/6, 1/6, 1/6, 1/6, 1/6, 1/6} phải không? Và nó có nghĩa là nếu tôi đặt Dirichlet trước đó không?

— cười

Về mặt Dirichlet trước đó, tôi tin rằng bạn nói rằng bạn có một bộ biến bao gồm tỷ lệ phần trăm / tỷ lệ giữa 0 và 1 và tất cả cộng lại thành 1. (Đó là trong đó và ) Trong trường hợp của HMM, có thể được sử dụng để mô hình xác suất chuyển sang một trong trạng thái có thể hoặc xác suất phát ra một trong ký hiệu có thể. $n$ $x_1 \dots x_n$ $0 \le x_i \le 1$ $\sum x_i = 1$ $n$ $n$

Các trang wikipedia Dirichlet nói nó khá tốt, đặc biệt là phần tựa đề "liên hợp để phân loại / đa thức".

— Wayne
nguồn