скрытые марковские модели с несколькими независимыми от времени потоками

Question

Я пытаюсь выяснить, есть ли хороший способ объединить два НММ в один, когда базовые состояния одинаковы, но наблюдения не связаны во времени.

У меня есть два независимыхпотоки наблюдения, описывающие одно и то же скрытое пространство состояний.Базовый порядок каждого потока наблюдения остается тем же, но они не излучаются одновременно.

Например, скажем, у меня есть аудиозаписи двух отдельных ораторов, читающих вслух один и тот же текст, где скрытыйпространство состояний становится буквами в тексте, в то время как поток фонем от каждого аудио составляет пространство наблюдения.Каждый оратор записывает аудио отдельно и использует различную частоту при чтении.

Я могу четко предсказать текст, используя каждый говорящий независимо, и постараюсь согласовать результаты после факта ... но я чувствуючто объединение потоков наблюдения в один HMM может дать лучший результат.

Кто-нибудь знает хороший способ примирить это?

Answer 1

Объединение состояний потребовало бы сначала выравнивания этих потоков ... то есть какая-то логарифмическая оптимизация правдоподобия. Но можно использовать статистику из нескольких потоков для прогнозирования «наблюдений» - современные компрессоры данных в основном делают это. Например. см http://www.mattmahoney.net/dc/dce.html#Section_432

Answer 2

Я не уверен, существуют ли методы объединения двух HMM после того, как каждый из них был приспособлен к различным последовательностям наблюдения.

Но существует соглашение о обучении одной модели Маркова множественным независимым последовательностям наблюдения .

Например, в статье «Учебник по скрытым марковским моделям и избранным приложениям в распознавании речи» Рабинер

К сожалению, я еще не нашел реализацию этого алгоритма.

Вот мой соответствующий вопрос по stackexchange: https://stats.stackexchange.com/questions/53256/two-sequences-one-hmm