Analysis of Drifting Dynamics with Neural Network Hidden Markov Models
来源:互联网 发布:php web 文件上传 编辑:程序博客网 时间:2024/05/16 12:50
论文关键词:时间序列 神经网络 隐马尔科夫
论文任务: 给定一段时间序列,找出每小段是哪种模式,且能找出模式变化的阶段
论文核心思想:
首先,为每种模式训练一个神经网络模型,假设有 N 种模型;
将这些神经网络模型做一个线性组合
f(xt)=a(t)fi(x)+(1−a(t))fj(xt),0≤a(t)≤1 , 由此得到集合S=P∪M 。其中P 是 pure state ,即训练的模型,就是每个动态模式本身。M 是mixture state ,即模式的线性组合,也就是变化阶段;- 最后根据观测值,使用维特比算法,从集合
S 中寻找最合适的模式。
个人感觉:
整体看下来,思想和语音识别系统 Sphinx 的思想类似,就是多加入了模型的线性组合。
文章没有算法的实现细节,涉及算法实现的都是引用的别人论文,说具体内容请参考某文。
斗胆将其定性为水文。
阅读全文
0 0
- Analysis of Drifting Dynamics with Neural Network Hidden Markov Models
- Hidden Markov Models : Hidden Markov Models
- HMM (Hidden Markov Models)
- Hidden Markov Models : Introduction
- Hidden Markov Models
- Hidden Markov Models
- Hidden Markov Models : hidden Patterns
- Hidden Markov Models : Generating Patterns
- 隐马尔科夫模型(Hidden Markov Models)
- Hidden Markov Models Forward算法
- 隐马尔科夫模型(Hidden Markov Models)
- HMM学习(4)-Hidden Markov Models
- Hidden Markov Models : Forward Algorithm 1
- 隐马尔科夫模型(Hidden Markov Models) 系列之一
- 隐马尔科夫模型(Hidden Markov Models) 系列
- Hidden Markov Models Forward Backward算法
- 机器学习 Hidden Markov Models 1
- 机器学习 Hidden Markov Models 2
- CaseFormat
- 构造器
- UGUI 绘制自定义折线图
- 程序举例
- spf13-vim 解决.vimrc.local中某些命令无法执行(例如TAB设置)
- Analysis of Drifting Dynamics with Neural Network Hidden Markov Models
- 将excel数据导入到数据库中
- 抽象类和接口
- 并查集
- cellspacing和cellpadding
- BiMap
- 【Redis深入】Redis分布式锁的实现
- ELK之logstath的使用(1)----介绍
- ROS 小乌龟测试