Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Los modelos markovianos ocultos (HMM) asumen que el sistema estudiado sigue
un proceso de markov con parmetros desconocidos.
La tarea fundamental consiste en determinar los parmetros ocultos a partir de
parmetros observados. La diferencia fundamental respecto a un modelos de
markov habitual consiste en que los estados no son directamente visibles para el
observador, pero si lo son las variables influenciadas por el estado. Cada estado
tiene una distribucin de probabilidad asociada sobre el conjunto de posibles
valores de salida. La secuencia de valores de salida generados a partir de un
HMM son darn cierta informacin sobre la secuencia de estados.
ALGORITMO DE FORWARD
Consideremos la funcin
at
(i):
at (i)=p ( o1 , o2 o p . q t=si
Esta ecuacin puede calcularse de forma recursiva
ALGORITMO DE VITERBI
El objetivo es saber cul es la secuencia de estados que maximiza P(O l Q , ):
Ejemplo:
El siguiente ejemplo ilustra un proceso q independiente del tiempo. Supngase
que en un saln se encuentra un nmero N muy grande de urnas de vidrio. Dentro
de cada urna se tiene una cantidad M de bolas de colores. Un mago est en el
saln y de acuerdo con algn procedimiento aleatorio elige una urna inicial. De
sta saca al azar una bola y registra su color como una observacin. La bola es
retornada a la urna de la cual fue seleccionada. A continuacin selecciona una
nueva urna de acuerdo con un procedimiento aleatorio que depende de la urna
actual y la eleccin de alguna bola es repetida. Este proceso completo se realiza
en un tiempo T y genera una secuencia de observacin finita de colores O de
longitud T, la cual puede modelarse como la salida observable de un HMM. Se
asume que las urnas son seleccionadas independientemente.
O2
= (amarillo, rojo, verde, rojo, azul, naranja, verde, rojo, azul, amarillo, rojo, verde),
O3
= (rojo, azul, amarillo, rojo, azul, vede, rojo, amarillo, naranja, naranja, verde,
rojo),
O4
= (rojo, verde, naranja, rojo, rojo, azul, verde, amarillo, azul, rojo, verde, rojo).
El alfabeto es:
= verde, azul, rojo, amarillo, naranja
Los estados ocultos son:
Q = {1,2,...,N}
Las probabilidades de obtener un color en cada urna son:
Imaginmonos que tenemos un amigo que vive lejos y con quien habla a diario por
telfono acerca de lo que hizo durante el da. A su amigo le interesan tres
actividades: caminar por la plaza, salir de compras y limpiar su departamento. Lo
que su amigo hace depende exclusivamente del estado del tiempo en ese da.
Usted no tiene informacin clara acerca del estado del tiempo donde su amigo
vive, pero conoce tendencias generales. Basndose en lo que su amigo le dice
que hizo en el da, usted intenta adivinar el estado del tiempo.
Supngase que el estado del tiempo se comporta como una cadena de Markov
discreta. Existen dos estados, Lluvioso y Soleado, pero usted no los puede
observar directamente, es decir, estn ocultos. Existe tambin una cierta
posibilidad de que su amigo haga una de sus actividades cada da, dependiendo
del estado del tiempo: caminar, comprar o limpiar. Dado que su amigo le
cuenta sus actividades del da, esas son las observaciones. El sistema completo
es un modelo oculto de Markov.
Usted conoce las tendencias generales del tiempo en el rea y lo que a su amigo
le gusta hacer. En otras palabras, los parmetros del HMM son conocidos.
Estados = (Lluvioso, Soleado)
Observaciones = (caminar, comprar, limpiar)
Probabilidad inicial = {Lluvioso': 0.6, Soleado': 0.4}
Bibliografa
file:///C:/Users/kathe%20andrea/Downloads/dcart.pdf
http://es.slideshare.net/efcuencaq/modelos-ocultos-de-markov
http://www.virtual.unal.edu.co/cursos/ingenieria/2001832/lecturas/hmm.pdf