10 Markov Models

1. 10 Markov Models 60040087 浪床 真一

2. X1 0.24 0.64 0.32 1 0.36 X2 X3 0.44 10.1 INTRODUCTION Markov Modelは離散的な状態とそれらの間を遷移する確率を持つ 次の状態へ遷移する確率は現在の状態のみに依存する

3. X1 0.24 0.64 0.32 1 0.36 X2 X3 0.44 10.1 INTRODUCTION Hidden Markov Modelは状態の遷移が観測できない Markov Modelは音声認識によく用いられる

4. 10.2 MARKOV MODELS 状態Xiから状態Xjへの遷移確率 状態XiにおけるMarkov過程の確率

5. 10.3.1 Formal Definitions t=1で状態Xiに遷移する確率 状態Xiから状態Xjへ遷移する確率 状態Xjで記号Okを出力する確率

6. 10.3.2 Three Principal Problems • ある与えられたSequenceの確率の決定 　　　別のModelとの比較 • ある与えられたSequenceにおいて，最も起こりうる状態遷移の決定 　　　全ての確率を計算し，その値を比較する • Model Parametersの調整 Sequenceに対して過程の確率が高くなるようにModelを調整する

7. 10.3.3 The Probability of an Observation Sequence Sequenceに対するModelの全ての過程の確率は 前向き確率 時刻tで状態iに至る全ての過程の確率 後向き確率 時刻tに状態iから出発し終了状態に至る全ての 過程の確率

8. 10.3.4 Most Probable States 時刻tで状態iからの遷移が生じた確率 あるSequenceにおける最大出現確率は Pattern認識時は各Modelについてこの値を求め，最大となった Modelが認識結果となる

9. 10.3.5 Improving the Model ModelのParameterの調整は次式を用いて行う