Contoh masalah model Markov tersembunyi?

21

Saya membaca sedikit model Markov yang tersembunyi dan dapat mengkodekan versi yang cukup mendasar sendiri.

Tetapi ada dua cara utama yang tampaknya saya pelajari. Salah satunya adalah membaca dan mengimplementasikannya ke dalam kode (yang dilakukan) dan yang kedua adalah memahami bagaimana itu berlaku dalam situasi yang berbeda (jadi saya bisa lebih memahami bagaimana ini terkait dengan masalah yang mungkin saya kerjakan). Semua contoh yang saya lakukan sejauh ini melibatkan semacam prediksi DNA atau lemparan koin.

Saya bertanya-tanya apakah ada sumber daya untuk mendapatkan masalah Markov lainnya (bahasa tidak masalah tapi mudah-mudahan dengan jawaban juga sehingga saya bisa tahu apakah saya benar atau salah)?

algorithms  markov-process 
— Lostsoul
sumber
Saya disarankan untuk
— mencoret
Bisakah Anda menjadi sedikit lebih spesifik dalam hal "kode versi yang cukup mendasar"? Apakah Anda mensimulasikan dari proses Markov Tersembunyi, atau apakah Anda memberi kode algoritma Viterbi, maju, atau Baum-Welch? (Tiga yang terakhir akan digunakan untuk menghitung urutan keadaan yang paling sesuai yang sesuai, probabilitas urutan pengamatan, atau probabilitas awal, fungsi transisi, dan fungsi pengamatan masing-masing model Markov yang tersembunyi.)
— Wayne
Hai Wayne, pada dasarnya saya membuat kode versi halaman ini (spreadsheet) untuk baum-welch: cs.jhu.edu/~jason/papers/#tnlp02 dan pada dasarnya menerapkan kode untuk halaman wiki viterbi dan mengikuti beberapa tutorial dasar tentang model markov tersembunyi. Ini mungkin terdengar bodoh tapi saya ingin melihat jenis masalah lain yang bisa saya coba selesaikan sehingga saya bisa mendapatkan pemahaman yang lebih baik tentang apa yang mampu dilakukan model markov.
— Lostsoul
1
Saya tidak ingin menghabiskan waktu berminggu-minggu untuk mengerjakannya, tetapi sebagai contoh studi kasus tentang seseorang yang menggunakan model markov dalam lemparan non-koin atau cara prediksi cuaca dapat membantu saya memahami berbagai masalah yang dapat diselesaikan dengan lebih baik. Saya pada dasarnya ingin membangun pemahaman yang lebih baik dengan menguji apa yang dapat dilakukan model markov.
— Lostsoul
Saya pikir HMM juga memiliki aplikasi yang sangat penting di bidang Keuangan (suku bunga) dan Ekonomi (PDB).
— Seorang pria tua di laut.

Jawaban:

8

Saya telah menggunakan HMM dalam skenario estimasi tingkat permintaan / persediaan, di mana kami memiliki barang yang dibeli dari banyak toko yang mungkin atau mungkin tidak memiliki persediaan barang. Urutan permintaan harian untuk barang-barang ini dengan demikian mengandung nol yang sah nol hari permintaan dan juga nol yang karena toko kehabisan stok. Anda akan berpikir Anda akan tahu apakah toko kehabisan stok dari tingkat inventaris, tetapi kesalahan dalam catatan inventaris menyebar dan sama sekali tidak jarang menemukan toko yang berpikir memiliki jumlah barang positif di tangan, tetapi sebenarnya tidak punya; keadaan tersembunyi adalah, kurang lebih, apakah toko benar-benar memiliki persediaan, dan sinyal adalah (permintaan harian, tingkat persediaan nominal). Tidak ada referensi untuk karya ini; kami tidak seharusnya mempublikasikan hasilnya untuk alasan kompetitif.

Sunting: Saya akan menambahkan bahwa ini sangat penting karena, dengan nol permintaan, nominal persediaan barang di toko tidak pernah berkurang dan melewati titik pemesanan, memicu pesanan untuk persediaan lebih banyak - oleh karena itu, keadaan nol di tangan karena catatan inventaris yang salah tidak diperbaiki untuk waktu yang lama, sampai seseorang melihat ada sesuatu yang salah atau hitungan siklus terjadi, yang mungkin berbulan-bulan setelah masalah dimulai.

— jbowman
sumber
Saya percaya ini dikenal sebagai masalah nol-inflasi, dan mereka cukup luas. Anda memerlukan satu model yang memodelkan "nol berlebih" (ketika pembacaan nol karena tidak ada pembacaan, yang bertentangan dengan pembacaan nol yang sah), maka model tingkat kedua yang memodelkan sisanya. Misalnya, jumlah pelanggan di bank: terkadang tidak ada, di lain waktu bank tutup sehingga tidak ada. Atau kecepatan mobil: kadang-kadang duduk diam dengan sopir di dalamnya, lain kali diparkir. Dll
— Wayne
Cukup benar, dari sudut pandang sinyal permintaan. Bagian lain dari masalah ini adalah mengidentifikasi keadaan tersembunyi "inventaris = 0 | catatan inventaris> 0", yang sebenarnya lebih penting bagi pelanggan.
— jbowman
Saya juga harus menunjukkan bahwa "nol meningkat" tidak iid dari waktu ke waktu - ada berjalan di mana semua nol "ekstra" dan berjalan di mana tidak ada dari mereka, maka kebutuhan untuk HMM dengan negara menunjukkan yang sedang terjadi di setiap pengamatan.
— jbowman
6

Saya cukup banyak mengalami hal yang sama dan tidak menemukan banyak hal di luar cuaca. Area yang muncul di pikiran termasuk: pengenalan ucapan, deteksi titik perubahan, penandaan bagian-bagian ucapan dalam teks, menyelaraskan item / teks yang tumpang tindih, dan mengenali bahasa isyarat.

Salah satu contoh yang saya temukan dan lakukan eksplorasi di Bagian 8 dari pengantar ini , yang merupakan salah satu referensi untuk HMM di Wikipedia. (Ini sebenarnya sangat menyenangkan: analisis Anda menemukan bahwa ada vokal dan konsonan.) Ini juga memperkenalkan Anda untuk bekerja dengan corpus teks, yang berguna.

(Jika Anda ingin bermain dengan generasi dengan HMM, Anda bisa melatih teks Shakespeare dan kemudian menghasilkan faux-Shakespeare.)

— Wayne
sumber
3

Sebagian besar perangkat lunak pengenalan ucapan menggunakan Model Hidden Markov. Anda dapat bereksperimen dengan pemrosesan bahasa alami jika Anda ingin merasakan aplikasi HMM.

Inilah sumber yang baik: Model Grafis Probabilistik, oleh Koller dan Friedman .

— Carlos Accioly
sumber
Terima kasih, Carlos. Buku yang bagus, saya mulai membacanya beberapa waktu lalu tetapi tidak menyelesaikannya. Mendapat itu untuk belajar tentang pembelajaran mesin dan teori grafik, tapi saya akan kembali dan mencari pertanyaan yang terkait dengan model markov. Saya juga akan melihat pemrosesan bahasa alami (saya belum pernah bekerja dengannya sebelumnya)
— Lostsoul
3

Model markov tersembunyi sangat berguna dalam memantau HIV. HIV memasuki aliran darah dan mencari sel-sel respons imun. Ini kemudian duduk pada kandungan protein sel dan masuk ke inti sel dan mengubah konten DNA sel dan mulai proliferasi virion sampai meledak keluar dari sel. Semua tahapan ini tidak dapat diamati dan disebut laten. Contoh ideal untuk pemodelan markovian tersembunyi.

— kss iyer
sumber
2
Jadi, dengan cara apa tepatnya model Markov tersembunyi membantu memantau HIV? Apakah dokter menggunakan HMM untuk mendiagnosis HIV? Apakah peneliti menggunakannya untuk lebih memahami mekanisme penyakit atau membuat obat dan terapi anti-HIV? Referensi apa pun akan sangat membantu.
— Leo
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.