Обсуждение:Структурные методы анализа изображений и сигналов (курс лекций, А.С. Конушин, Д.П. Ветров, Д.А. Кропотов, О.В. Баринова, В.С. Конушин, 2009)

Материал из MachineLearning.

(Различия между версиями)

Перейти к: навигация, поиск

Версия 14:08, 13 ноября 2009

Добрый день! Возник вопрос по поводу задания 3. Нашёл следующие непонятные для себя моменты:

«где $c_{0,j},\ldots,c_{M,j}$ — коэффициенты авторегрессии, которые зависят от состояния СММ.» Т.е коэффициентов М+1 штука. В то же время в описании функций сказано: «C — коэффициенты авторегрессии, матрица типа double размера K x M;» Не ясно, где ошибка - M или М+1.

$\mu_{n,j}=c_{0,j}+\sum_{m=1}^Mc_{m,j}x_{n-m}$ , где $c_{0,j}$ - число, $c_{m,j}x_{n-m}$ - вектор, получается сложение вектора с числом. Хотя если смотреть с точки зрения матлаба, вопрос отпадает :)

В описании функций указано «Mu — константы в центрах гауссиан для каждого состояния, матрица типа double размера K x d, в которой в каждой строке стоит вектор для соответствующего состояния; ». Но по формуле Mu на каждом шаге генерится только с помощью авторегрессии. Для чего тогда передавать этот параметр?

Василий Ломакин 20:14, 1 ноября 2009 (MSK)

Василий, здравствуйте. По сути, в Вашем вопросе уже содержатся ответы:

Матрица $C\in\mathbb{R}^{K\times M$ ;
В качестве величины $c_{0,j}$ используйте $d$ -мерный вектор Mu_j из спецификации СММ;
Коэффициенты авторегрессии $c_{m,j}$ считаем общими для всех размерностей вектора $x_n$ . Таким образом, :получаем линейную комбинацию векторов и никаких некорректностей не возникает.

Желаю Удачи.

--Д.П. Ветров 16:15, 2 ноября 2009 (MSK)

Я так и подумал (собственно так уже и реализовал), но на всякий случай решил уточнить. Спасибо за интересное задание!

Василий Ломакин 08:41, 3 ноября 2009 (MSK)

Здравствуйте! Появился вопрос по поводу 1 варианта 2 задания.

При реализации функции HMM_TEST нужно хранить величину lj (сколько моментов времени мы находимся в данном состоянии) для каждого t(n,j). Как рассчитывать эту величину, если мы не знаем ни того состояния, в котором находимся в начальный момент времени, ни того состояния, куда переходим? Или нужно делать полный перебор для состояния t(n-1,i) по состояниям t(n,j), то есть из каждого состояния можем попасть в одно из К?

Надеюсь на Ваши разъяснения! Извините за корявый вопрос, лучше сформулировать не удалось.

Марина Дударенко 14:30, 13 ноября 2009 (MSK)Марина Дударенко

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%9E%D0%B1%D1%81%D1%83%D0%B6%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5:%D0%A1%D1%82%D1%80%D1%83%D0%BA%D1%82%D1%83%D1%80%D0%BD%D1%8B%D0%B5_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B_%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0_%D0%B8%D0%B7%D0%BE%D0%B1%D1%80%D0%B0%D0%B6%D0%B5%D0%BD%D0%B8%D0%B9_%D0%B8_%D1%81%D0%B8%D0%B3%D0%BD%D0%B0%D0%BB%D0%BE%D0%B2_%28%D0%BA%D1%83%D1%80%D1%81_%D0%BB%D0%B5%D0%BA%D1%86%D0%B8%D0%B9%2C_%D0%90.%D0%A1._%D0%9A%D0%BE%D0%BD%D1%83%D1%88%D0%B8%D0%BD%2C_%D0%94.%D0%9F._%D0%92%D0%B5%D1%82%D1%80%D0%BE%D0%B2%2C_%D0%94.%D0%90._%D0%9A%D1%80%D0%BE%D0%BF%D0%BE%D1%82%D0%BE%D0%B2%2C_%D0%9E.%D0%92._%D0%91%D0%B0%D1%80%D0%B8%D0%BD%D0%BE%D0%B2%D0%B0%2C_%D0%92.%D0%A1._%D0%9A%D0%BE%D0%BD%D1%83%D1%88%D0%B8%D0%BD%2C_2009%29»

@@ Строка 1: / Строка 1: @@
 Добрый день!
-Возникли вопрос по поводу [[Структурные_методы_анализа_изображений_и_сигналов_(курс_лекций)_/_Задание_2#.D0.92.D0.B0.D1.80.D0.B8.D0.B0.D0.BD.D1.82_3|задания 3]]. Нашёл следующие непонятные для себя моменты:
+Возник вопрос по поводу [[Структурные_методы_анализа_изображений_и_сигналов_(курс_лекций)_/_Задание_2#.D0.92.D0.B0.D1.80.D0.B8.D0.B0.D0.BD.D1.82_3|задания 3]]. Нашёл следующие непонятные для себя моменты:
 *«где <tex>c_{0,j},\ldots,c_{M,j}</tex> — коэффициенты авторегрессии, которые зависят от состояния СММ.» Т.е коэффициентов М+1 штука. В то же время в описании функций сказано: «C — коэффициенты авторегрессии, матрица типа double размера K x M;» Не ясно, где ошибка - M или М+1.
@@ Строка 10: / Строка 10: @@
 ''[[Участник:Василий Ломакин|Василий Ломакин]] 20:14, 1 ноября 2009 (MSK)''
-Василий, здравствуйте. По сути, в Вашем вопросе уже содержатся ответы:
+:Василий, здравствуйте. По сути, в Вашем вопросе уже содержатся ответы:
-* Матрица <tex>C\in\mathbb{R}^{K\times M</tex>;
+:* Матрица <tex>C\in\mathbb{R}^{K\times M</tex>;
-* В качестве величины <tex>c_{0,j}</tex> используйте <tex>d</tex>-мерный вектор Mu_j из спецификации СММ;
+:* В качестве величины <tex>c_{0,j}</tex> используйте <tex>d</tex>-мерный вектор Mu_j из спецификации СММ;
-* Коэффициенты авторегрессии <tex>c_{m,j}</tex> '''считаем общими''' для всех размерностей вектора <tex>x_n</tex>. Таким образом, получаем линейную комбинацию векторов и никаких некорректностей не возникает.
+:* Коэффициенты авторегрессии <tex>c_{m,j}</tex> '''считаем общими''' для всех размерностей вектора <tex>x_n</tex>. Таким образом, :получаем линейную комбинацию векторов и никаких некорректностей не возникает.
+:
+:Желаю Удачи.
+:
+:--[[Участник:Dmitry Vetrov|Д.П. Ветров]] 16:15, 2 ноября 2009 (MSK)
-Желаю Удачи.
+::Я так и подумал (собственно так уже и реализовал), но на всякий случай решил уточнить. Спасибо за интересное задание!
+::
+::[[Участник:Василий Ломакин|Василий Ломакин]] 08:41, 3 ноября 2009 (MSK)
---[[Участник:Dmitry Vetrov|Д.П. Ветров]] 16:15, 2 ноября 2009 (MSK)
+----
-Я так и подумал (собственно так уже и реализовал), но на всякий случай решил уточнить. Спасибо за интересное задание!
-[[Участник:Василий Ломакин|Василий Ломакин]] 08:41, 3 ноября 2009 (MSK)
 Здравствуйте! Появился вопрос по поводу 1 варианта 2 задания.

Обсуждение:Структурные методы анализа изображений и сигналов (курс лекций, А.С. Конушин, Д.П. Ветров, Д.А. Кропотов, О.В. Баринова, В.С. Конушин, 2009)

Материал из MachineLearning.

Версия 14:08, 13 ноября 2009

Просмотры

Личные инструменты

Навигация

Поиск

Инструменты