HMMと設計
結局HMMを設計しなくちゃいけないようです。
諸計算と同じかそれ以上にモデルの設計に問題がある。
HMMの問題自体は
- モデル評価
- 最適解
- 再推定
それぞれの計算の位置と大まかな意味しか捉えていないので。
あるHMMをλ(A,B,π)とし,Aを状態遷移系列,Bを観測系列出力確率,πを初期分布確率として仮定する。
このパラメータ設定が難しい(と思うんだけど)。
1.モデル評価
λにおいて観測系列Yが出力されたときの尤度P(Y|λ)
既に観測系列が観測されていて、仮定したモデルλからどの程度の出力されるか
Forward algorithm Backward algorithm
2.最適解
最適状態系列選択
Viterbi algorithm
3.再推定
観測系列の情報を最大限にλ(A,B,π)に反映させる計算(と思う)。
状態系列の任意の連続するi→jへ遷移する回数の期待値から更新するパラメータを計算しているんだろうけど
何でそうなるかがよく分からない。
Buam-Welch algorithm
アルゴリズムの実装は済んでいるし、計算はこのくらいで良いような気がした。
ここでネックになるのがやっぱりモデルの構築手法。
何でも良いと言われたからには…良い具体例でも落ちてないかな。
そこからパラメータ、特に状態列を仮定出来るかどうか。