利用平均场近似恢复隐马尔可夫模型的状态序列
无序系统与神经网络
2015-05-13 v2 统计力学
机器学习
摘要
从观测中推断状态序列是隐马尔可夫模型中最基本的问题之一。用统计物理的语言来说，该问题等价于计算一个具有随机外场的一维模型的边缘概率。虽然这一任务可以通过转移矩阵方法完成，但当底层状态空间很大时，它很快变得难以处理。本文针对状态空间变大时的这一推断问题，开发了几种低复杂度的近似算法。新算法基于转移矩阵的各种平均场近似。我们在一个简单的DNA焦磷酸测序真实模型上详细研究了它们的性能。
引用
@article{arxiv.0904.1700,
title = {Recovering the state sequence of hidden Markov models using mean-field approximations},
author = {Antoine Sinton},
journal= {arXiv preprint arXiv:0904.1700},
year = {2015}
}
备注
43 pages, 41 figures