Оценка вероятности наблюдаемой последовательности в бинарных линейных по структуре скрытых марковских моделях с помощью апостериорного вывода в алгебраических байесовских сетях
Ключевые слова:
скрытые марковские модели, алгебраические байесовские сети, вероятностные графические модели, бинарные линейные по структуре СММАннотация
Скрытые марковские модели (СММ) и алгебраические байесовские сети (АБС) представляют собой вероятностные графические модели, а потому во многом похожи. СММ получила широкое применение, в то время как АБС пока не столь распространена, однако ее аппарат позволяет моделировать и решать задачи СММ. Цель работы — решить первую задачу скрытых марковских моделей при помощи апостериорного вывода АБС. В статье предложен алгоритм для оценки вероятности наблюдаемой последовательности в бинарных линейных по структуре СММ с помощью апостериорного вывода АБС.Литература
Николенко С.И., Тулупьев А Л. Самообучающиеся системы. М.: Изд. МНЦМО, 2009. 288 с.
Тулупьев А.Л. Алгебраические байесовские сети. Логико-вероятностный подход к моделированию баз знаний с неопределенностью. СПб.: Изд. 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.
Huang X., Jack M., and Ariki Y. Hidden Markov Models for Speech Recognition. Edinburgh University Press, 1990.
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.
Момзикова М.П., Великодная О.И., Пинский М.Я., Сироткин А.В. И др. Представление бинарных линейных по структуре скрытых марковских моделей в виде алгебраических байесовских сетей // Тр. СПИИРАН. 2010. Вып. 1 (12). [в печати]
Yu S.-Z., Kobayashi H. An Efficient Forward–Backward Algorithm for an Explicit-Duration Hidden Markov Model // IEEE signal processing letters. 2003. Vol. 10, N 1.
Da Silva C. Q. Hidden Markov models applied to a subsequence of the Xylella fastidiosa genome // Genet. Mol. Biol. 2003. Vol.26, N 4.
Li J., Gray R. M. Image Segmentation and Compression Using Hidden Markov Models. / 1st edition. Springer, 2000.
Bunke H., Caelli T. Hidden Markov Models Applications in Computer Vision // Series in Machine Perception and Artificial Intelligence. 2001. Vol. 45.
Forney D. G. The Viterbi Algorithm // Proc. of the IEEE. 1973.Vol. 61, N 3.
Welch L. R. Hidden Markov Models and the Baum-Welch Algorithm // IEEE Information Theory Society Newsletter. 2003. Vol. 53, N 4.
Тулупьев А.Л. Алгебраические байесовские сети. Логико-вероятностный подход к моделированию баз знаний с неопределенностью. СПб.: Изд. 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.
Huang X., Jack M., and Ariki Y. Hidden Markov Models for Speech Recognition. Edinburgh University Press, 1990.
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.
Момзикова М.П., Великодная О.И., Пинский М.Я., Сироткин А.В. И др. Представление бинарных линейных по структуре скрытых марковских моделей в виде алгебраических байесовских сетей // Тр. СПИИРАН. 2010. Вып. 1 (12). [в печати]
Yu S.-Z., Kobayashi H. An Efficient Forward–Backward Algorithm for an Explicit-Duration Hidden Markov Model // IEEE signal processing letters. 2003. Vol. 10, N 1.
Da Silva C. Q. Hidden Markov models applied to a subsequence of the Xylella fastidiosa genome // Genet. Mol. Biol. 2003. Vol.26, N 4.
Li J., Gray R. M. Image Segmentation and Compression Using Hidden Markov Models. / 1st edition. Springer, 2000.
Bunke H., Caelli T. Hidden Markov Models Applications in Computer Vision // Series in Machine Perception and Artificial Intelligence. 2001. Vol. 45.
Forney D. G. The Viterbi Algorithm // Proc. of the IEEE. 1973.Vol. 61, N 3.
Welch L. R. Hidden Markov Models and the Baum-Welch Algorithm // IEEE Information Theory Society Newsletter. 2003. Vol. 53, N 4.
Опубликован
2010-06-01
Как цитировать
Момзикова, М. П., Великодная, О. И., Пинский, М. Я., Сироткин, А. В., Тулупьев, А. Л., & Фильченков, А. А. (2010). Оценка вероятности наблюдаемой последовательности в бинарных линейных по структуре скрытых марковских моделях с помощью апостериорного вывода в алгебраических байесовских сетях. Труды СПИИРАН, 2(13), 122-142. https://doi.org/10.15622/sp.13.6
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).
