hidden-markov-models - 我必须如何使用 Baum-Welch 和多次观察来训练 HMM？

Question

我在理解 Baum-Welch 算法的工作原理时遇到了一些问题。我读到它调整了 HMM 的参数(转换和发射概率)，以最大化给定模型可以看到我的观察序列的概率。

但是，如果我有多个观察序列会发生什么？我想针对大量观察来训练我的 HMM(我认为这是通常所做的)。

例如，ghmm 可以为 baumWelch 获取单个观察序列和全套观察结果。方法。

在这两种情况下它的工作方式相同吗？或者算法是否必须同时知道所有观察结果？

Answer 1

在拉宾纳的 paper ，在 Baum-Welch 算法中使用以下方程重新估计 GMM 的参数(权重、均值和协方差):



这些仅适用于单个观察序列的情况。在倍数的情况下，分子和分母只是 对所有观测序列求和，然后除以得到参数 . (这是可以做到的，因为它们只是代表职业计数，参见论文第 273 页)

因此，在调用算法期间不需要知道所有的观察序列。例如，赫瑞斯特 HTK 中的工具具有允许在多台机器之间拆分训练数据的机制。每台机器计算分子和分母并将它们转储到文件中。最后，单台机器读取这些文件，将分子和分母相加并除以得到结果。见第。 129本HTK书v3.4