WOLFRAM

Mathematica 10の新機能 › 向上したランダム過程 ›

データから隠れマルコフ過程を推定する 

与えられたデータから3つの可能な観測値値を持つ2状態の隠れマルコフ過程を推定する．

In[1]:=
Click for copyable input
X
In[2]:=
Click for copyable input
X
Out[2]=

推定された過程の下で，データに対する対数尤度を計算する．

In[3]:=
Click for copyable input
X
Out[3]=

連続観測値を持つ2状態の過程を推定する．

In[4]:=
Click for copyable input
X

各経路にオーバーレイされたヒストグラムにより，ガウス観測値であることが分かる．

In[5]:=
Click for copyable input
X
Out[5]=

デフォルトのBaum–Welch法の結果とビタビ訓練の結果を比較する．

In[6]:=
Click for copyable input
X
Out[6]=
In[7]:=
Click for copyable input
X
Out[7]=

データは，Baum–Welchで推定された過程の方がより高い対数尤度を持つ．

In[8]:=
Click for copyable input
X
Out[8]=

Related Examples

Hidden Markov Processes with Discrete or Continuous, Univariate or Multivariate Emissions » Hidden Markov Processes with Silent States » Find Hidden States Underlying Given Emissions of HMM Process » Estimate Hidden Markov Processes from Data »
Perform Typo Correction without a Dictionary » Track Player Movement in a First-Person Shooter Game » Find a Splice Site in a DNA Sequence » Track Lizard Movement with a Capture-Recapture Model »
Use TransformedProcess to Create a Custom Process » Study the Stochastic Exponential Function » Simulate the Surplus Process for Insurance » Model Option Prices Using Merton Jump-Diffusion  »
Generate White Noise Based on Any Distribution » Apply ARMA Filter to a Heavy-Tailed White Noise Process » Test for Serial Correlation » Fractional Gaussian Noise versus FARIMA Noise »
Improved Support of Random Processes in Expectation » Improved Support of Random Processes in Probability » Identify Regularly Sampled Ornstein–Uhlenbeck Process as an Autoregressive Process » Improved Documentation for Probability and Statistics »
de en es pt-br zh