2016 年 12月 25 日随笔档案 - 川师15级软工研王*飞

条件随机场(CRF) - 2 - 定义和形式（转载）

摘要：转载自：http://www.68idc.cn/help/jiabenmake/qita/20160530618218.html 参考书本：《2012.李航.统计学习方法.pdf》书上首先介绍概率无向图模型，然后叙述条件随机场的定义和各种表示方法，那这里也按照这个顺序来。概率无向图模型(马尔可阅读全文

posted @ 2016-12-25 15:46 川师15级软工研王*飞阅读(279) 评论(0) 推荐(0)

条件随机场(CRF) - 1 - 简介（转载）

摘要：转载自：http://www.68idc.cn/help/jiabenmake/qita/20160530618222.html 首先我们先弄懂什么是“条件随机场”，然后再探索其详细内容。于是，先介绍几个名词。马尔可夫链比如：一个人想从A出发到达目的地F，然后中间必须依次路过B,C, D, E 阅读全文

posted @ 2016-12-25 15:43 川师15级软工研王*飞阅读(354) 评论(0) 推荐(0)

条件随机场入门（五）条件随机场的预测算法（转载）

摘要：阅读全文

posted @ 2016-12-25 15:40 川师15级软工研王*飞阅读(126) 评论(0) 推荐(0)

条件随机场入门（四）条件随机场的训练（转载）

摘要：阅读全文

posted @ 2016-12-25 15:39 川师15级软工研王*飞阅读(140) 评论(0) 推荐(0)

条件随机场入门（三）条件随机场的概率计算问题（转载）

摘要：阅读全文

posted @ 2016-12-25 15:38 川师15级软工研王*飞阅读(119) 评论(0) 推荐(0)

条件随机场入门（二）条件随机场的模型表示(转载)

摘要：阅读全文

posted @ 2016-12-25 15:36 川师15级软工研王*飞阅读(107) 评论(0) 推荐(0)

条件随机场入门（一）概率无向图模型（转载）

摘要：阅读全文

posted @ 2016-12-25 15:26 川师15级软工研王*飞阅读(173) 评论(0) 推荐(0)

隐马尔可夫模型（七）——隐马尔可夫模型的学习问题(前向后向算法）（转载）

摘要：隐马尔可夫模型的学习问题：给定一个输出序列O=O1O2...OT,如何调节模型μ=(A,B,π）的参数，使得P(O|M)最大。最大似然估计是一种解决方法，如果产生的状态序列为Q=q1q2...qT,根据最大似然估计，可以通过以下公式推算： πi‘ = δ（q1,si) aij' = Q中从状态qi 阅读全文

posted @ 2016-12-25 10:25 川师15级软工研王*飞阅读(171) 评论(0) 推荐(0)

隐马尔可夫模型（六）——隐马尔可夫模型的评估问题(前向后向相结合算法）（转载）

摘要：重新回顾：前向变量αt(i):在时刻t,在已知模型μ=（A,B,π）的条件下，状态处于si,输出序列为O102...Ot,前向变量为αt(i) 后向变量βt(i):在时刻t,在已知模型μ=（A,B,π）和状态处于si的条件下，输出序列为Ot+1Ot+2...OT,后向变量为βt(i) 公式推导：阅读全文

posted @ 2016-12-25 10:24 川师15级软工研王*飞阅读(173) 评论(0) 推荐(0)

隐马尔可夫模型（五）——隐马尔可夫模型的解码问题(维特比算法）（转载）

摘要：阅读目录 HMM解码问题维特比算法时间复杂度程序例证阅读目录 HMM解码问题维特比算法时间复杂度程序例证回到顶部 HMM解码问题给定一个观察序列O=O1O2...OT,和模型μ=（A,B,π），如何快速有效地选择在一定意义下“最优”的状态序列Q=q1q2...qT，使该状态最好地解阅读全文

posted @ 2016-12-25 10:23 川师15级软工研王*飞阅读(283) 评论(0) 推荐(0)

隐马尔可夫模型（四）——隐马尔可夫模型的评估问题(后向算法）（转载）

摘要：对于HMM的评估问题，利用动态规划可以用前向算法，从前到后算出前向变量；也可以采用后向算法，从后到前算出后向变量。先介绍后向变量βt(i):给定模型μ=（A,B,π），并且在时间时刻t 状态为si 的前提下，输出序列为Ot+1Ot+2...OT的概率，即 βt(i)=P(Ot+1Ot+2...O 阅读全文

posted @ 2016-12-25 10:22 川师15级软工研王*飞阅读(264) 评论(0) 推荐(0)

隐马尔可夫模型（三）——隐马尔可夫模型的评估问题(前向算法）（转载）

摘要：隐马模型的评估问题即，在已知一个观察序列O=O1O2...OT，和模型μ=（A,B,π}的条件下，观察序列O的概率，即P(O|μ} 如果穷尽所有的状态组合，即S1S1...S1, S1S1...S2, S1S1...S3, ..., S3S3...S3。这样的话t1时刻有N个状态，t2时刻有N个状态阅读全文

posted @ 2016-12-25 10:21 川师15级软工研王*飞阅读(175) 评论(0) 推荐(0)

隐马尔可夫模型（二）——隐马尔可夫模型的构成（转载）

摘要：在马尔可夫模型中，每一个状态都是可观察的序列，是状态关于时间的随机过程，也成为可视马尔可夫模型（Visible Markov Model,VMM）。隐马尔科夫模型（Hidden Markov Model,HMM）中的状态是不可见的，我们可以看到的是状态表现出来的观察值和状态的概率函数。在隐马模型中，阅读全文

posted @ 2016-12-25 10:20 川师15级软工研王*飞阅读(201) 评论(0) 推荐(0)

隐马尔可夫模型（一）——马尔可夫模型(转载)

摘要：转载自：http://www.cnblogs.com/kaituorensheng/archive/2012/11/29/2795499.html 阅读目录简介数学描述例子应用领域转载自：http://www.cnblogs.com/kaituorensheng/archive/2012/ 阅读全文

posted @ 2016-12-25 10:17 川师15级软工研王*飞阅读(215) 评论(0) 推荐(0)

导航

2016年12月25日