10 Markov Models 60040087 浪床 真一 10.1 INTRODUCTION Markov Modelは離散的な状態とそれらの間を遷移する確率を持つ X1 0.24 0.32 0.64 1 0.36 X2 X3 0.44 次の状態へ遷移する確率は現在の状態のみに依存する 10.1 INTRODUCTION Hidden Markov Modelは状態の遷移が観測できない X1 0.24 0.32 0.64 1 0.36 X2 X3 0.44 Markov Modelは音声認識によく用いられる 10.2 MARKOV MODELS At aij t aij t 状態Xiから状態Xjへの遷移確率 Pi P1 P2 p P N Pi 状態XiにおけるMarkov過程の確率 pT t pT 0At 10.3.1 Formal Definitions t=1で状態Xiに遷移する確率 i P x1i 状態Xiから状態Xjへ遷移する確率 t 1 t aij P x j | xi 状態Xjで記号Okを出力する確率 b j k P Ok | x j 10.3.2 Three Principal Problems • ある与えられたSequenceの確率の決定 別のModelとの比較 • ある与えられたSequenceにおいて,最も起こ りうる状態遷移の決定 全ての確率を計算し,その値を比較する • Model Parametersの調整 Sequenceに対して過程の確率が高くなる ようにModelを調整する 10.3.3 The Probability of an Observation Sequence Sequenceに対するModelの全ての過程の確率は 前向き確率 it 時刻tで状態iに至る全ての過程の確率 N iT i 1 後向き確率 it 時刻tに状態iから出発し終了状態に至る全ての 過程の確率 N i 1 i0 10.3.4 Most Probable States it 時刻tで状態iからの遷移が生じた確率 あるSequenceにおける最大出現確率は maxa i T 1 ij i bi OT Pattern認識時は各Modelについてこの値を求め,最大となった Modelが認識結果となる 10.3.5 Improving the Model t i aij b j Ot 1 t 1 j ij N iT i 1 ModelのParameterの調整は次式を用いて行う 1 T aij T ij t 1 T ij t 1 b j k t j t 1,Ot k T t j t 1
© Copyright 2024 ExpyDoc