I. الخلفية: مشبوه

A الاكتشاف الأخير من الفقراء مدرب كازينو الأعمال، ثم بعث ناحية أسفل الكازينوهات حولها. قبل العودة الجواسيس، كان هناك عمه في كازينو دائما يكسب المال، وهو جيد الزهر اللعب اليد، الذي لا يقهر تقريبا. وفي كل مرة حول الزهر لديها العديد من الحراس الشخصيين يقف حولها، وغير معروفة لدى الناس، إلا أن نرى كل بداية، الزهر الطيران، الطابق الهدوء. على سنوات من الخبرة، وتكهن مدرب القائم على أن الأنهار والبحيرات من استخدام العملاء الفقراء من السنوات الضائعة "استبدال النرد دافا" (ملاحظة المحرر: استبدال النرد دافا، التي تأتي مع الزهر جيب محل سرا الزهر موحدة). ورئيسه هو شخص هادئ، لرؤية عمه ليست جيدة، ولم أكن أريد أن يسيء له، وقال انه لا يريد كسر القواعد. Zhengchou على القلب، وهذه المرة رجل يدعى HMM يأتي الرجل في، نقول للمدرب لديه حل جيد.

لا قرب جسمها، طالما الكاميرات المثبتة في المسافة، والنرد هي عدد من النقاط في سجل اللعبة.

HMM الرجل وبعد ذلك استخدام القوة الرياضية القوية، وتستمد هذه البيانات:

• عم ليست من بين آلاف؟
• إذا كنت من بين آلاف، ثم قضى عدة الزهر الغش؟ يوجد حاليا لا الزهر استخدام الغش؟
• تظهر هذه الزهر الغش كل نقطة ما هو احتمال؟

ويمكن حساب جي، ورئيسه، الذي دعا HMM لا حتى قريبة، وليس هو الغش، والغش الآخرين حتى قادرا على حساب أي نوع من الزهر. لذلك، ما دام آخر عندما تغش، بعث اعتقلوا، يمكن النرد التحقق بقعة تجعل منه الكلام.

اثنين، HMM هو وراء القصة؟

قبل السماح أنشطة التحقيق HMM، أدلى أصحاب كازينو أيضا بعض التحقيقات HMM.

HMM (ماركوف المخفية النموذجي)، المعروف أيضا باسم نموذج ماركوف المخفية، يتم استخدام نموذج احتمالي لوصف أداء احتمال وجود نظام نقل حالة الركود وحالة الركود.

المتنحية وسائل الدولة وهذا النظام هو خارج من بعض الإزعاج لاحظ (أو لا يلاحظ) دولة، والتي في المثال الحالي، مثل وسيلة الدولة التي الزهر نظام عمه استخدمت الدولة، أي،

{النرد العادية، والغش الزهر 1، الزهر الغش 2، ...}

الدولة المتنحية هي ملاحظتها، وخصائص الأداء الخارجية التي تنتجها الدولة المتنحية. ومن هنا القول، ورمي النرد نقطة.

{1،2،3،4،5،6}

HMM نموذج سوف تصف حالة المتنحية احتمال انتقال النظام. أي احتمال من الزهر تسليم عمه، والشكل التالي هو مثال، وإمكانية أن توصف الوقت التبديل العم الزهر تماما.

لحسن الحظ، هذا معقد مخطط احتمال الانتقال، يمكن التعبير حتى مصفوفة بسيطة، حيث A_ {ط} يمثل احتمال من ولاية ط ي لدولة:

وبطبيعة الحال، في الوقت نفسه لن يكون هناك أداء المتنحية احتمالات انتقال الدولة. وهذا هو، النرد تظهر كل نقطة التوزيع الاحتمالي، (على سبيل المثال الغش الزهر 1 يمكن أن يكون فرصة 90 لرمي النرد ستة الغش فرصة 285 لرمي 'صغيرة'). FIG إعطاء ما يلي:

ويمكن أيضا أن أداء التوزيع الاحتمالي الدولة المتنحية تكون ممثلة بشكل جميل من قبل المصفوفة:

وخلاصة القول هذين الأمرين، وهذا هو، ونموذج HMM بأكمله.

يصف هذا النموذج من احتمال دولة تحويل المتنحية، ولكن كما يصف توزيع كل دولة من المظاهر الخارجية للاحتمال. باختصار، هم نموذج قادر على وصف تردد (استبدال النرد الاحتمال) رمي النرد الغش العم، العم مع الزهر احتمال والتوزيع. مع نموذج العم HMM، فإننا سوف تكون قادرا على رؤية من خلال العم، دعه يخون نفسه تماما في الشمس.

ثلاثة، هم يمكن القيام به!

وخلاصة القول HMM يمكن التعامل مع ثلاث قضايا،

3.1 فك (فك)

فك مطلوب من سلسلة من الزهر، ونرى ما بعض من الزهر هو الزهر الغش، وهو النرد العادية.

على سبيل المثال، الشكل أعلاه، لإعطاء حفنة من الزهر تسلسل (3،6،1،2 ..) وعمه من نموذج HMM، ونحن نريد لحساب النتيجة التي بعض من الزهر (أداء الدولة المتنحية) قد يكون أي نوع من الزهر نتائج (ولاية المتنحية).

3.2 التعلم (التعلم)

تعلم هو، من سلسلة من الزهر، وتعلم لتبديل الزهر احتمال عمه، وبطبيعة الحال، هناك التوزيع الاحتمالي من هذه الزهر نقطة. هذا هو أفظع وأكثرها تعقيدا الحيل HMM! !

3.3 تقدير (تقييم)

وتقول التقديرات أن نعرف بالفعل في حالة عم نماذج HMM، وإمكانية تقدير احتمال وقوع سلسلة من الزهر. على سبيل المثال، عندما نعرف بالفعل العم HMM نموذج، يمكننا تقدير مباشرة احتمال من 6 إلى 10 أو 81 عمه القيت.

أربعة، HMM هو كيف نفعل؟

(هذه الاحتياجات الفصل إلى نظرية الاحتمالات، العودية، علم البرمجة الديناميكية، إن لم يكن من مصلحة يمكن رقصت قسم 5)

تقدر 4.1

تشير التقديرات إلى أن أسهل خدعة في المعرفة الكاملة للوضع على عمه HMM المقبل، يمكننا أن نجعل تقديراتهم بسهولة.

الآن أن لدينا عمه الدولة احتمال انتقال مصفوفة A، B يمكن تقدير. على سبيل المثال، نريد أن نعرف من احتمال 106 من عمه المجاور لعبة يلقي باستمرار هو كم؟ يتبع

وهذا يعني أنه في بداية الدولة المتنحية (S0) هو 1، وهذا هو، ويقام تحت بداية الزهر الظروف العادية، عم احتمال المستمر 6 من 10 رميات.

ويتمثل التحدي الآن في المسألة، على الرغم من أننا نعرف أن احتمال انتقال HMM، والدولة المرصودة للV {1: T}، لكننا لا نعرف التغييرات الدولة ضمنية الفعلية.

جيدا، ونحن لا نعرف تغيير حالة الركود، كل الحق، ونحن سوف تحمل تسلسل الدولة المتنحية، على افتراض العم خمسة قبل استخدام النرد العادية، بعد خمسة الغش مع الزهر 1.

حسنا، ثم يمكننا حساب احتمال 6 من 10 رميات في هذا التسلسل فرضية خفية.

في الواقع، فإن الاحتمال هو أن احتمال أداء الدولة المتنحية من B. المنتج

ولكن ظهرت مشكلة، فقط أن أفترض هو تسلسل الدولة المتنحية، وتسلسل الفعلي وأنا لا أعرف كيفية القيام بذلك. من السهل التعامل معها، كل تسلسل الدولة الخفية للجميع التوليفات الممكنة حاول مرة أخرى على ذلك. ونتيجة لذلك،

R هو مجموعة من كل تسلسل الدولة مخفي ممكن. آه، الآن المشكلة يبدو حلها، وكنا قادرين على الحصول على قيمة احتمال يحدث من خلال محاولة كل مزيج، واحتمال العام للA، B مصفوفة لحساب تنشأ.

ولكن ظهرت مشكلة، ومجموعة من ممكن جدا، مثل هناك ثلاثة الزهر، هناك 10 الخيارات، ثم سيكون هناك مزيج الكلي لل3 ^ 10 مرات ... هذا O حجم (ج ^ T) كبير جدا، عندما يحين الوقت يعلو المشكلة، فإن عدد المجموعات يكون بما فيه الكفاية واسعة خارج الحساب ممكن. طريقة T) احتمال: لذلك نحن بحاجة إلى P (V (1 عملية حسابية أكثر كفاءة.

يتم تقليل تعقيد الحساب إلى O (CT): على سبيل المثال، قد يكون حساب الخوارزمية التالية الرسم البياني P (T V1).

مع هذه المعادلة، يمكننا من ر = 0 لاستخلاص الأمام، استمدت P: احتمال (V1 T) هي. دعونا تفعل الرياضيات، وهذا الاحتمال عمه 3،2،1 رمي النرد تسلسل كم (على افتراض أن الحالة الأولية 1، الذي يقام مرة واحدة قبل العم هو النرد العادية)؟

4.2 فك (فك)

ونظرا لعملية فك في الحالة التي يكون فيها سلسلة من تسلسل تعرف ونموذج HMM، للعثور على تسلسل الأكثر احتمالا للدولة الخفية.

وأعرب عن طريق المعادلات الرياضية، (V هو تسلسل المرئية مرئية، ث هو تسلسل الدولة المتنحية، A، B هو مصفوفة HMM الحالة الانتقالية الاحتمال)

تذكر الصيغة التالية:

ثم يمكنك استخدام يقدر من قبل (4.1) طريقة الاستدلال لحساب الحد الأقصى للP (ث (1: T)، V (1: T)).

بعد الانتهاء قبل طريقة الاشتقاق لإعادة استخدام طريقة تتبع (تتبع العودة)، وهذا سوف تمكن من حل لP (ث (1: T)، V (1: T)) من الحد الأقصى تسلسل المتنحية. وهذا ما يسمى خوارزمية فيتربي الخوارزمية (خوارزمية فيتربي).

• خوارزمية فيتربي للعثور على تسلسل الأرجح خفية

هذا هو خوارزمية البرمجة الديناميكية هي الحل نفسه، قبل حل معادلة الانحدار المشتقة بعد ثم يستخدم تم العثور على العثور على معادلات لتحقيق طريقة تتبع ذلك أن الجمع بين الحل الأمثل. وفيما يلي حساب تسلسل الزهر {1، 2،6} الأرجح مخبأة تسلسل مجموعات. (1 = النرد الحالة الأولية العادية)

4.3 التعلم (التعلم)

وتعطى التعلم في الحالة التي يكون فيها تكوين HMM (على سبيل المثال، على افتراض أن عمه كان معروفا ثلاثة النرد، النرد كل ديه ستة وجوه)، لحساب معظم معالم النموذج المحتملة.

بعد الانتهاء من هيكل فرضية HMM، يمكنك استخدام EM (التوقع تعظيم) خوارزمية لتحقيق أقصى قدر من احتمال وهنا أقصى احتمال هو أن

ما علينا القيام به هو العثور على وظيفة أقصى احتمال يمكن لذلك حولت هذه المشكلة إلى "أقصى تقدير احتمال (MLE)". وفي احتياجات مشكلة MLE أن يقدر عند المعلمة الضمنية، تحتاج إلى استخدام EM خوارزمية (مشتق EM خوارزمية تشير تحديدا JerryLead بلوق) ويقدر.

خمسة والتطبيقات HMM

الأمثلة المذكورة أعلاه هي حماقة النمذجة والتحليل HMM. بالطبع، هناك العديد من التطبيقات HMM الكلاسيكي، والنمذجة الطاقة من المشكلة وفقا لمتطلبات التطبيقات المختلفة.

ولكن باستخدام HMM النمذجة المشكلة، يجب أن تتحقق الشروط التالية،

• نقل حالة المتنحية يجب تلبية خاصية ماركوف . (ماركوف انتقال الدولة: وتتصل الدولة فقط إلى الحالة السابقة)
• الدولة المتنحية يجب أن نكون قادرين على أن تقدر تقريبا.

في حالة تلبية الشرط، وتحديد ما هي المشكلة هي الدولة المتنحية هي الدولة المتنحية ومهما حدث.

تطبيق HMM لهذه المشكلة أن الدولة الحقيقية لل(ولاية ضمنية) ومن الصعب تقدير، ولكن بعد وجود علاقة بين الدولة والدولة.

5.1 التعرف على الكلام

مشكلة التعرف على الكلام هي معالجة الإشارة الصوتية إلى سلسلة من الأحرف التي مشكلة

حالة المتنحية هي: تسلسل الكلمات المقابلة لإشارة الكلام

الدولة المهيمنة هي: إشارة صوتية.

نموذج مختلف التعرف على الكلام تعلم هذا العقد و من خلال مراقبة النرد لإنشاء تسلسل الأكثر احتمالا للنموذج HMM التعلم خطاب نموذج اعتراف اثنين من الخطوات التالية: تعلم نموذج HMM (التعلم):

• نطق النص إحصاءات احتمال، وإنشاء أداء المتنحية احتمال مصفوفة B
• احتمال الانتقال بين المصطلحات الإحصائية (هذه الخطوة لا تحتاج إلى أن تأخذ في الاعتبار صوت، يمكنك نقل مباشرة الاحتمالات الإحصائية بين الكلمات يمكن)

نموذج خطاب المقدرة (التقييم): حساب "أربعة عشر" احتمال "أربعة وأربعين"، وهلم جرا، وأكثر رسم تسلسل الأرجح من النص.

اعتراف 5.2 الكتابة اليدوية

هذا هو صوت وتقريبا، ولكن عملية التعرف على خط اليد هي الصورة الغالبة على كلمة كتسلسل.

الصينية كلمة 5.3

"وكما نعلم، في الصينية، ليس هناك فاصل بين الكلمات (الإنجليزية، بين الكلمات مفصولة بمسافة، وهو علامة كلمة الطبيعية)، والكلمة نفسها تفتقر علامات المورفولوجية كبيرة، لذلك، الصيني معالجة المعلومات مشكلة محددة لكيفية تقسيم السلسلة إلى معقولة ترتيب الكلمات الصينية.

على سبيل المثال، جملة في اللغة الإنجليزية: يجب أن يذهب إلى الروضة الآن كلمة المساحات الطبيعية بالفعل النقاط الجيدة، تحتاج فقط إلى إزالة واحد من حرف الجر "إلى" يمكن، و "الآن يجب أن أذهب إلى الروضة،" هذا تعبير عن نفس المعنى إذا لم يكن هناك وضوحا محدد، والغرض كلمة الصيني هو الحصول على "أنت / الآن / يجب / يذهب / الحضانة / أ."

فكيف لكلمة ذلك؟ هناك ثلاث طرق رئيسية:

• أولا، هناك قوانين نهج قائم على المعرفة اللغوية ، مثل: أشكال مختلفة من أقصى مطابقة، وهو أسلوب الحد الأدنى تجزئة.
• والفئة الثانية هي واستنادا إلى أساليب تعلم الآلة على نطاق واسع كوربوس ، ويستخدم على نطاق واسع وهو حاليا، فإن الحل الأفضل. النماذج الإحصائية المستخدمة هي نموذج اللغة N-غرام، القناة - نموذج الضوضاء، والحد الأقصى المتوقع، HMM وهلم جرا.
• فئة 3 هي الكلمة الفعلية المستخدمة في النظام، وهذا هو، طريقة متعدد الطبقات متكاملة من القواعد وإحصاءات . تنفيذ HMM باستخدام الكلمة الصينية.

الكاتب: يو بانغ نونغ المصدر: نعرف تقريبا