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.

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

• «где — 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.

• , где - число, - 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 ;
• В качестве величины используйте -мерный вектор Mu_j из спецификации СММ;
• Коэффициенты авторегрессии считаем общими для всех размерностей вектора . 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)

Один из возможных способов решения задачи — вводить функцию Беллмана как стоимость оптимальной траектории при условии, что в момент времени мы находимся в состоянии , причем в следующий момент времени произойдет переход в другое состояние. Пусть и — соответственно минимально и максимально допустимая длина одного сегмента. Тогда функция Беллмана вычисляется как максимум по моментам времени ситуаций, что в момент времени был переход в состояние и затем в этом состоянии мы находились отсчетов. Таким образом, в отличие от классического алгоритма Витерби здесь пересчет идет по моментам смены состояния сигнала. Сложность алгоритма соответственно возрастает в раз.

Д.А. Кропотов 20:53, 13 ноября 2009 (MSK)