Hybrid hidden Markov models
Artykuł w czasopiśmie
MNiSW
5
Lista B
| Status: | |
| Warianty tytułu: |
Hybrydowe ukryte modele Markowa
|
| Autorzy: | Baklan Igor, Komada Paweł |
| Rok wydania: | 2013 |
| Wersja dokumentu: | Drukowana |
| Język: | angielski |
| Numer czasopisma: | 8 |
| Wolumen/Tom: | 54 |
| Strony: | 28 - 31 |
| Bazy: | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | NIE |
| Abstrakty: | polski | angielski |
| Zadanie analizy szeregów czasowych w procesach technicznych, medycznych, czy ekonomicznych, gdzie jakość podejmowania decyzji w dużej mierze zależy od przewidywania trendów w dynamicznym procesie. Jednym z pod-zadań takich tendencji jest wyszukiwanie dostępnych szablonów. W pracy zaproponowano podejście do rozwiązania tego problemu za pomocą specjalnego rodzaju modelu hybrydowego - "ukryty model Markowa -model językowy". Zasady ukrytych modeli Markowa (HMM) zostały opisane w latach 60-tych przez Baum’a i współpracowników [1-3]. Na początku lat 70. Baker, Dzhelinek i ich koledzy po raz pierwszy użyli HMM do rozpoznawania mowy [4, 5]. Z kolei modelowanie lingwistyczne (językowe) zostało wprowadzone prawie w XX wieku, głównie w pracach Markowa AA [6,7], Yu.D. Apresian [8], Fu K.S [9]. Andrey Markov uzyskał pierwsze wyniki (1906) dla tych procesów, czysto teoretycznie. W 1913 r., po raz pierwszy przedłożył on swoje wyniki do pierwszych 20.000 liter Eugeniusza Oniegina, autorstwa Puszkina. Główne zasady modelowania ligwistycznego zostały opisane w pracach [10,11]. Zaproponowano on opracowanie hybrydowego modelu szeregów czasowych na podstawie ukrytych modeli Markowa i modelowanie lingwistyczne (НММ LM). Artykuł zawiera klasyfikację istniejących ukrytych modeli Markowa i sposoby tworzenia modelu hybrydowego НММ-LM. | |
| The task of time series analysis in technical, medical or economical processes where the quality of decision-making to a large extent depends on the prediction of trends in the dynamic process. One of the sub-tasks of such trends is a search for the available templates. We propose an approach to solve this problem using a hybrid model of a special kind - the "hidden Markov model - a linguistic model.". The principles of hidden Markov models (HMM) was described Baum and his colleagues in the late 60's [1-3]. In the early 70th Baker, Dzhelinek and their colleagues first used HMM for speech recognition [4, 5]. The linguistic modeling has been for almost the 20th century, especially in the works of Markov A.A. [6,7], Apresian Yu.D.[8], Fu K.S[9]. Andrey Markov produced the first results (1906) for these processes, purely theoretically. In 1913, he applied his findings for the first time to the first 20,000 letters of Pushkin's Eugene Onegin. The main principles of linguistic modeling was described in works [10,11]. Proposed to build a hybrid model of the time series based on hidden Markov models and linguistic modeling (НММ-LM). The article provides a classification of existing hidden Markov models and ways of constructing a hybrid model НММ-LM. |
