Hybrid hidden Markov models

• Autorzy: Baklan I. , Komada P.

Warianty tytułu

PL

Hybrydowe ukryte modele Markowa

• Języki publikacji: EN

Abstrakty

EN

The task of time series analysis in technical, medical or economical processes where the quality of decision-making to a large extent depends on the prediction of trends in the dynamic process. One of the sub-tasks of such trends is a search for the available templates. We propose an approach to solve this problem using a hybrid model of a special kind - the "hidden Markov model - a linguistic model.". The principles of hidden Markov models (HMM) was described Baum and his colleagues in the late 60's [1-3]. In the early 70th Baker, Dzhelinek and their colleagues first used HMM for speech recognition [4, 5]. The linguistic modeling nas been for almost the 20th century, especially in the works of Markov A. A. [6, 7], Apresian Yu. D. [8], Fu K. S. [9]. Andrey Markov produced the first results (1906) for these processes, purely theoretically. In 1913, he applied his findings for the first time to the first 20,000 letters of Pushkin's Eugene Onegin. The main principles of linguistic modeling was described in works [10, 11], Proposed to build a hybrid model of the time series based on hidden Markov models and linguistic modeling (HMM-LM). The article provides a classification of existing hidden Markov models and ways of constructing a hybrid model HMM-LM.

PL

Zadanie analizy szeregów czasowych w procesach technicznych, medycznych, czy ekonomicznych, gdzie jakość podejmowania decyzji w dużej mierze zależy od przewidywania trendów w dynamicznym procesie. Jednym z podzadań takich tendencji jest wyszukiwanie dostępnych szablonów. W pracy zaproponowano podejście do rozwiązania tego problemu za pomocą specjalnego rodzaju modelu hybrydowego – „ukryty model Markowa - model językowy”. Zasady ukrytych modeli Markowa (HMM) zostały opisane w latach 60-tych przez Baum'a i współpracowników [1-3]. Na początku lat 70. Baker, Dzhelinek i ich koledzy po raz pierwszy użyli HMM do rozpoznawania mowy [4, 5]. Z kolei modelowanie lingwistyczne (językowe) zostało wprowadzone prawie w XX wieku, głównie w pracach Markowa A. A. [6, 7], Yu. D. Apresian [8], Fu K. S. [9]. Andrey Markov uzyskał pierwsze wyniki (1906) dla tych procesów, czysto teoretycznie. W 1913 r., po raz pierwszy przedłożył on swoje wyniki do pierwszych 20.000 liter Eugeniusza Oniegina, autorstwa Puszkina. Główne zasady modelowania lingwistycznego zostały opisane w pracach [10, 11]. Zaproponowano on opracowanie hybrydowego modelu szeregów czasowych na podstawie ukrytych modeli Markowa i modelowanie lingwistyczne (HMM LM). Artykuł zawiera klasyfikację istniejących ukrytych modeli Markowa i sposoby tworzenia modelu hybrydowego HMM-LM.

Słowa kluczowe

EN

hybrid hidden Markov models

PL

hybrydowe ukryte modele Markowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2013
• Tom: Vol. 54, nr 8
• Strony: 28--31
• Opis fizyczny: Bibliogr. 16 poz., wykr.

Twórcy

autor

Baklan I.

• National Academy of Management, Ukraine

autor

Komada P.

• Lublin University of Technology, Poland

Bibliografia

• [1] Baum L. E., Petrie T., Statistical inference for probabilistic functions of finite state Markov chains, Ann. Math. Statist., vol. 37, 1966, 1554-1563.
• [2] Baum L. E., Eagon J. A., An inequality with applications to statistical estimation for probabilistic functions of Markov processes and to a model for ecology, Bull. Amer. Math. Soc, vol. 73, 1967, 360-363.
• [3] Baum L. E., Sell G. R., Growth transformations for functions on manifolds. Pacific J. Math., vol. 27, Nº 2, 1968, 211-227.
• [4] Baker J. K., The DRAGON system—An overview, IEEE Trans. Acoust., Speech Signal Processing, vol. ASSP-23, Feb. 1975, 24-29.
• [5] Baker. J., Trainable grammars for speech recognition. In Speech communication paper presented at th 97th Meeting of the Acoustical Society of America, Boston, MA., 1979, 547-550.
• [6] Markov. A. A., Rasprostranenie zakona bol'shih chisel na velichiny, zavisyaschie drug ot druga. lzvestiya Fiziko-matematicheskogo obschestva pri Kazanskom universitete, 2-ya seriya, tom 15, 1906, 135-156 (in Russian).
• [7] Markov A. A., Extension of the limit theorems of probability theory to a sum of variables connected in a chain. Reprinted in Appendix B of: R. Howard. Dynamic Probabilistic Systems, volume 1: Markov Chains. John Wiley and Sons, 1971.
• [8] Apresyan, Yu. D., The ideas and methods of modern structural linguistics (short essay). MA: Education, 1966 (in russian).
• [9] Fu K. S., Syntactic Pattern Recognition and Stochastic Languages, in Frontiers of Pattern Recognition, ed. S. Watanabe, Academic Press, 1972.
• [10] Baklan I. V., Linguistic modeling: foundation, methods, some applied aspects, System technologies, Nº 3(74), 2011, 10-19 (in Ukrainian).
• [11] Baklan I. V., Linguistic modeling for solving of different problems, Intellectual System for Decision Making and Problems of Computational Intelligence: Conference Proceeding. Kherson: KNTU, 2013, 398-400.
• [12] Baklan I. V., Stepankova H. A. Classification of Markov models like: scientific monograph. Kyiv: National Academy of Management, 2012, (in Ukrainian).
• [13] Moore R. E., Interval analysis. Englewood Cliffs: Prentice Hall, 1966.
• [14] Sunaga T., Theory of an interval algebra and its application to numerical analysis, RAAG Memoirs, Vol. 2, Misc. II, 1958, 547-564.
• [15] Harrison M. A., Introduction to formal language theory. Addison-Wesley Pub. Co., 1978.
• [16] Khmelev D. V., Recognition of the author of the text, using chains A. A. Markov, Bulletin of Moscow State University. Ser. 9: Philology, Number 2, 2000, 115-126.