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.
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).
