我如何训练一个嗯与鲍姆-韦尔奇和多个观察？

Question

我在理解Baum算法的精确工作上有一些问题。我读到，它调整了HMM的参数(转移和发射概率)，以最大化我的观测序列被给定的模型所看到的概率。

然而，如果我有多个观察序列，会发生什么呢？我想针对大量的观察来训练我的HMM (我认为这就是通常所做的)。

例如，ghmm可以为baumWelch方法同时获取一个观测序列和一组完整的观测数据。

在这两种情况下都是一样的吗？还是算法必须同时知道所有的观测结果？

Answer 1

在Rabiner的纸中，GMMs (权值、均值和协方差)的参数在Baum算法中被重新估计，使用以下方程：

​

​

这些只是用于单次观测序列的情况。在多个情况下，分子和分母只是所有观测序列上的求和，然后除以得到参数。(这是可以做到的，因为它们仅仅代表占领数量，参见pg。(文件的273份)

因此，在调用该算法时，不需要知道所有的观察序列。例如，HTK中的HERest工具有一种机制，允许在多台机器之间分割训练数据。每台机器计算分子和分母，并将它们转储到一个文件中。最后，由一台机器读取这些文件，对分子和分母进行求和，并将它们除以得到结果。见皮格。129本HTK书第3.4卷