Представление бинарных линейных по структуре скрытых марковских моделей в виде алгебраических байесовских сетей
Ключевые слова:
скрытые марковские модели, алгебраические байесовские сети, бинарные линейные по структуре СММ, вероятностно-графические моделиАннотация
Для моделирования различных процессов в таких областях, как распознавание речи, теория информации, машинный перевод, молекулярная биология, широко используются вероятностно-графические модели в том числе скрытые марковские модели и байесовские сети. Цель данной работы — исследовать взаимосвязь между скрытой марковской моделью и алгебраической байесовской сетью. Предложен алгоритм представления бинарной линейной по структуре скрытых марковских моделей в виде алгебраических байесовских сетей. Доказана теорема о совпадении вероятностных семантик скрытых марковских моделей и алгебраических байесовских сетей.Литература
Николенко С.И., Тулупьев А Л. Самообучающиеся системы. М.: МНЦМО, 2009. 288 с.
Тулупьев А.Л. Алгебраические байесовские сети. Логико-вероятностный подход к моделированию баз знаний с неопределенностью. СПб.: СПИИРАН, 2000. 292 с.
Тулупьев А.В., Николенко С.И., Сироткин А.В. Байесовские сети: логико- вероятностный подход. СПб.: Наука, 2006.
Cowell R. G., Dawid A. P., Lauritzen S. L., Spiegelhalter D. J. Probabilistic Networks and Expert Systems. NY.: Springer-Verlag, 1999.
Huang X., Acero A., Hsiao-Wuen Hon Spoken Language Processing. Prentice Hall, 2001. ISBN 0-13-022616-5.
Huang X., Jack M., and Ariki Y. Hidden Markov Models for Speech Recognition. Edinburgh University Press, 1990. ISBN 0748601627
Jurafsky D., Martin J.H. Speech and Language Processing: An Introduction to Natural Language Processing, Speech Recognition, and Computational Linguistics. 2nd edition. Prentice-Hall, 2009.
Stengel M. Introduction to Graphical Models, Hidden Markov Models and Bayesian Networks. Department of Information and Computer Sciences Toyohashi University of Technology Toyohashi, 441-8580 Japan, 2003.
Тулупьев А.Л. Алгебраические байесовские сети. Логико-вероятностный подход к моделированию баз знаний с неопределенностью. СПб.: СПИИРАН, 2000. 292 с.
Тулупьев А.В., Николенко С.И., Сироткин А.В. Байесовские сети: логико- вероятностный подход. СПб.: Наука, 2006.
Cowell R. G., Dawid A. P., Lauritzen S. L., Spiegelhalter D. J. Probabilistic Networks and Expert Systems. NY.: Springer-Verlag, 1999.
Huang X., Acero A., Hsiao-Wuen Hon Spoken Language Processing. Prentice Hall, 2001. ISBN 0-13-022616-5.
Huang X., Jack M., and Ariki Y. Hidden Markov Models for Speech Recognition. Edinburgh University Press, 1990. ISBN 0748601627
Jurafsky D., Martin J.H. Speech and Language Processing: An Introduction to Natural Language Processing, Speech Recognition, and Computational Linguistics. 2nd edition. Prentice-Hall, 2009.
Stengel M. Introduction to Graphical Models, Hidden Markov Models and Bayesian Networks. Department of Information and Computer Sciences Toyohashi University of Technology Toyohashi, 441-8580 Japan, 2003.
Representation of binary linear hidden Markov models in the form of algebraic Bayesian networks
Abstract
Probabilistic graphical models including hidden Markov models and Bayesian networks are widespread in process modeling in such fields as speech recognition, information theory, machine translation and molecular biology. The goal of this work is toresearch of mutual relations between hidden Markov models and algebraic Bayesian networks. An algorithm to design a binary linear hidden Markov models as an algebraic Bayesian networks is suggested. The theorem about coincidence between probabilistic semantics is proven.Опубликован
2010-03-01
Как цитировать
Момзикова, М. П., Великодная, О. И., Пинский, М. Я., Сироткин, А. В., Тулупьев, А. Л., & Фильченков, А. А. (2010). Представление бинарных линейных по структуре скрытых марковских моделей в виде алгебраических байесовских сетей. Труды СПИИРАН, 1(12), 134-150. https://doi.org/10.15622/sp.12.9
Раздел
Статьи
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
