Scribd
Cargar
62 vistas13 páginas

Vite Rbi

El documento describe un modelo de Markov oculto (HMM) para generar cadenas. Explica que el HMM consta de estados, transiciones entre estados, símbolos de salida y probabilidades iniciales y de transición. Luego, muestra un ejemplo numérico para calcular la probabilidad de una cadena de tres símbolos usando la algoritmo de Viterbi.

Cargado por

yovi tarea
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
62 vistas13 páginas

Vite Rbi

El documento describe un modelo de Markov oculto (HMM) para generar cadenas. Explica que el HMM consta de estados, transiciones entre estados, símbolos de salida y probabilidades iniciales y de transición. Luego, muestra un ejemplo numérico para calcular la probabilidad de una cadena de tres símbolos usando la algoritmo de Viterbi.

Cargado por

yovi tarea
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

MODELO DE MARKOV

Un ejemplo para generar una cadena en un HMM


T

Sea Q = {1,2,3,F}
1

A ij
=

1
2
3

= {a,b,c}
3

0.2 0.5 0.3 0.0


0.1 0.0 0.9 0.0
0.0 0.0 0.4 0.6

a
b
c

0.0
0.3
0.7

0.2

iNI
C

P(q1) {1,0,0,0}

1.0
0.0
0.0
0.4

0.1

0.5

0.0 0.3 0.7


0.3 0.6 0.1
1.0 0.0 0.0

Bij 12
= 3

0.3
0.6
0.1

0.9

0.6

0.3

P(y1, qt) = P(yt|qt) P(qt|q t-1) P(y1 , q t-1))


P(cab, qt) = (P1.B1,c)
(1x0.7)

UNIV. CALLISAYA TOLA YOVANA JHANET

Un ejemplo para generar una cadena en un HMM


a
b
c

0.0
0.3
0.7

0.3
0.6
0.1

1.0
0.0
0.0

0.4

0.2
1

iNIC

0.5

0.9

0.6

0.3
P(y , q ) = P(yt|qt) P(qt|q t-1) P(y1 , q t-1))
1

P(cab, q ) = (P .B ,c) (A , .B , )
1

12

(1x0.7)

a
b
c

0.0
0.3
0.7

0.3
0.6
0.1

0.2

iNIC

2b

(0.5 x 0.6)

1.0
0.0
0.0
0.4

0.1
0.5

0.9

0.3
P(y , q ) = P(y |q ) P(q |q ) P(y , q ))
1

t-1

t-1

P(cab, q ) = (P1.B1,c) (A1,2.B2,b) (A2,3.B3,a)


t

(1x0.7)

(0.5 x 0.6)

UNIV. CALLISAYA TOLA YOVANA JHANET

(0.9 x 1)

0.6

a
b
c

0.0
0.3
0.7

0.3
0.6
0.1

0.2
1

iNIC

1.0
0.0
0.0
0.4

0.1
0.5

0.9

0.6

0.3
P(y , q ) = P(y |q ) P(q |q ) P(y , q ))
1

t-1

t-1

P(cab, q ) = (P1.B1,c) (A1,2.B2,b) (A2,3.B3,a) A3,F


t

(1x0.7)

0.0
0.3
0.7

a
b
c

0.3
0.6
0.1

0.2

iNIC

(0.6 x 1)

(0.5 x 0.6) (0.9 x 1)

1.0
0.0
0.0
0.4

0.1
0.5

0.9

0.6

0.3
t-1

P(y , q ) = P(yt|qt) P(qt|q t-1) P(y1 , q t-1))


1

P(cab, q ) = (P .B ,c) (A , .B , ) (A , .B , ) A ,
t

(1x0.7)

UNIV. CALLISAYA TOLA YOVANA JHANET

12

2b

(0.5 x 0.6)

23

3a

(0.9 x 1)

3F

(0.6 x 1)

+ (P .B ,c)
1

(1x0.7)

0.0
0.3
0.7

a
b
c

0.3
0.6
0.1

0.2

0.4

0.1

iNIC

1.0
0.0
0.0

0.5

0.9

0.6

0.3
t-1

P(y , q ) = P(y |q ) P(q |q ) P(y , q ))


1
t
t

t-1

t-1

P(cab, q ) = (P .B ,c) (A , .B , ) (A , .B , ) A ,
1

12

(1x0.7)

0.0
0.3
0.7

a
b
c

(0.5 x 0.6)

3a

3F

(P .B ,c) (A , .B , )
1

(1x0.7)

12

0.4

0.5

0.9

0.6

0.3
t-1

P(y , q ) = P(y |q ) P(q |q ) P(y , q ))


1
t
t

t-1

t-1

P(cab, q ) = (P .B ,c) (A , .B , ) (A , .B , ) A , + (P .B ,c)(A1,2.B2,b)(A2,3.B3,a)


t

(1x0.7)

12

2b

(0.5 x 0.6)

23

(0.9 x 1)

UNIV. CALLISAYA TOLA YOVANA JHANET

3a

3F

(0.6 x 1)

(1x0.7) (0.2 x 0.3)

2b

(0.2 x 0.3)

1.0
0.0
0.0

0.1
1

23

(0.9 x 1) (0.6 x 1)

0.3
0.6
0.1

0.2

iNIC

2b

(0.3 x 1)

0.0
0.3
0.7

a
b
c

0.3
0.6
0.1

0.2
1

iNIC

1.0
0.0
0.0
0.4

0.1
0.5

0.9

0.6

0.3
t-1
P(y , q ) = P(y |q ) P(q |q ) P(y , q ))
1

t-1

t-1

P(cab, q ) = (P .B ,c) (A , .B , ) (A , .B , ) A , + (P .B ,c)(A , .B , )(A , .B , )


t
1 1
1 1
12 2b
23 3a
3F
12 2b
23 3a A ,
(1x0.7)

0.0
0.3
0.7

a
b
c

0.3
0.6
0.1

0.2

iNI
C

(0.9 x 1)

(0.5 x 0.6)

(0.6 x 1)

(0.6 x 1)

3F

(1x0.7)

1.0
0.0
0.0
0.4

0.1
0.5

(0.2 x 0.3) (0.3 x 1)

0.9

0.6

0.3
t-1

P(y , q ) = P(y |q ) P(q |q ) P(y , q ))


1

t-1

t-1

P(cab, q ) = (P .B ,c) (A , .B , ) (A , .B , ) A , + (P .B ,c)(A , .B , )(A , .B , ) A ,


t
1 1
12 2b
23 3a
3F
1 1
12 2b
23 3a
(1x0.7)

(0.5 x 0.6)

(0.9 x 1) (0.6 x 1)

(1x0.7)

(0.2 x 0.3)

3F

(0.3 x 1) (0.6 x 1)

0.1134
+0.00756
UNIV. CALLISAYA TOLA YOVANA JHANET

0.12

VITERBI - MARKOV
0.0
0.3
0.7

Ini

0.3
0.6
0.1

1.0
0.0
0.0

0.0
0.3
0.7
0.3
0.6
0.1

UNIV. CALLISAYA TOLA YOVANA JHANET

Ini

1
2
3

1.0
0.0
0.0

1*0.3

0.0
0.3
0.7

Ini

0.3

0.3
0.6
0.1

0.0

0.0

1.0
0.0
0.0

t
Ini

0.3
0.6
0.1

UNIV. CALLISAYA TOLA YOVANA JHANET

(0.3)*(0.2*0.7)

1
0.3

0.0

F
1.0
0.0
0.0

0.0
0.3
0.7

0.0

(0.3)*(0.5*0.1)

t
Ini
0.0
0.3
0.7
0.3
0.6
0.1

0.3

0.0
0.0

(0.3)*(0.3*0.0)

F
1.0
0.0
0.0

Ini
0.0
0.3
0.7
0.3
0.6
0.1

0.3

0.0

3
F

1.0
0.0
0.0

UNIV. CALLISAYA TOLA YOVANA JHANET

0.0

0.042

0.015

0.000

(0.042)*(0.2*0.3
)

Ini

0.3

0.042

0.0

0.015

0.0

0.000

(0.042)*(0.5*0.6)

Ini
1

3
F

UNIV. CALLISAYA TOLA YOVANA JHANET

1
0.3

0.042

0.0

0.015

0.0

0.000

(0.042)*(0.3*0.0)

Ini

0.3

0.042

(0.042)*(0.2*0.3)

0.015

(0.042)*(0.5*0.6)

(0.042)*(03*0.0 )

Ini

0.3

0.042

0.0

0.015

0.0

0.000

F
UNIV. CALLISAYA TOLA YOVANA JHANET

0.0025

0.0126

0.000

Ini 1

0.3

0.042

0.0

0.015

0.0

0.000

0.0025

0.0126*(0.1*0.0)

0.0126
0.000

Ini

0.3

0.042

0.0

0.015

0.0

0.000

UNIV. CALLISAYA TOLA YOVANA JHANET

0.0025

0.0126

0.000

0.0126*(0.0*0.3)

Ini 1

0.3

0.042

0.0

0.015

0.0

0.000

0.000

0.0025

0.0126

0.0126*(0.9*1.0)

Ini

UNIV. CALLISAYA TOLA YOVANA JHANET

0.3

0.0

0.0

0.0025

0.00

0.015

0.0126

0.0004

0.000

0.000

0.0113

0.042

Ini

0.3

0.042

0.0

0.015

0.0

0.000

F
UNIV. CALLISAYA TOLA YOVANA JHANET

0.0025

0.00

0.00

0.0126

0.0004

0.00

0.000

0.0113

0.0045

0.0027

También podría gustarte