شناسایی واج های مصوت با مدل Hmm

[eehadi]

پاسخ : شناسایی واج های مصوت با مدل Hmm

بردارهای مشاهده هر کلاس(واج) برای آموزش مدل همون کلاس(واج) استفاده میشه و همه بردارهای مشاهده کلاس(واج) به صورت یکجا در این دستور وارد میشه.
بله این دستور برای آموزش مدل کلاس شماره g است.

[hasting_m]

پاسخ : شناسایی واج های مصوت با مدل Hmm

سلام تو فایلت گفتی:
Seqs ماتریس حاوی بردار مشاهده نمونه های آموزشی است که به دو صورت می تواند باشد،اگر طول بردار مشاهدات برای همه نمونه ها یکسان است در هر سطر یک بردار مشاهده قرار میگیرد،در غیر این صورت این ماتریس به صورت یک بردار cell است که هر cell ،یک بردار مشاهده است.
[LL,PI(g,,A(:,:,g),B(:,:,g)] = dhmm_em(Seqs, PI_g,A__g,B_g);
اما اینجا در جوابم، گفتی :بردارهای مشاهده هر کلاس(واج) برای آموزش مدل همون کلاس(واج) استفاده میشه و همه بردارهای مشاهده کلاس(واج) به صورت یکجا در این دستور وارد میشه
در عبارت اولی گفتی کلش اما در دومی گفتی همون کلاس
1//منظورت از" بردار مشاهده نمونه های آموزشی" و همه نمونه ها"در عبارت اول،کل بردار مشاهدات هست؟یا بردار مشاهده ی یک کلاس؟

تو seqs باید هر سطر یک بردار مشاهده ی یک کلاس رو بگذاریم؟یعنی میشه 5سطر و تعداد ستونها هم به اندازه طول فریم؟درسته؟اینجوری که همه بردارمشاهدات قرار میگیرند!چجوری هر کلاس جداگانه آموزش داده میشه پس؟
2//تو این دستور باید ماتریس A,b,piی یک کلاس رو بهمراه بردار مشاهده همون کلاس بذارم؟؟{یا بهمراه کل بردارهای مشاهده؟}
3//و بعد برای 5تا کلاس این دستور رو 5بار تکرارش کنم(برای کلاس های دیگر) که آموزش داده بشه؟(یعنی در حلقه بذارم)
4//LLچیه؟لگاریتم شباهت چیوباچی حساب میکنه؟iteration تکرار چی هست؟چرا اینجا 8بار تکرار میکنه؟
.

[hasting_m]

پاسخ : شناسایی واج های مصوت با مدل Hmm

5//مقداری که در اموزش در iterration آخر هرکلاس بدست میاد چی هست؟چجوری باید ازش استفاده کنم؟
loglik = -1810.861843همچین عددی مثلا بدست میاد؟

6//برای تست هم[loglik(g),errors] = dhmm_logprob(Seqs, PI(g,, A(:,:,g), B(:,:,g));
بردار error رو مینویسه1 2 3 4 5 یعنی چی این؟ :surprised:
من اینا رو تو یک حلقه از g=1:G قرار دادم. :angry:

[eehadi]

پاسخ : شناسایی واج های مصوت با مدل Hmm

سلام.
1- تمام بردارهای مشاهده یک کلاس(کلاسی که میخوایم مدلش رو پیدا کنیم).
2- همون کلاس
3- بله. برای هر کلاس یک مجموعه مقدار A,B و PI داریم.
4- لگاریتم احتمال تعلق نمونه به مدل هست. اگه میخوای از حالت لگاریتمی در بیاری باید ازش exp بگیری تا بیاد بین 0 و 1.
تعداد تکرار الگوریتم رو به صورت زیر میتونی تعیین کنی:

[LL,PI_g,A_g,B_g] = dhmm_em(trSeqs, PI_hat,A_hat,B_hat,'max_iter',50) 

5- مهم نیست.
6- مهم نیست.

[rosaeidi]

پاسخ : شناسایی واج های مصوت با مدل Hmm

سلام.
HMM تولباکس مورفی از HMM تولباکس Statistics متلب قوی تره و داخل خودش GMM هم داره.
مقادیر بهینه تعداد حالت ها Q و طول بردار مشاهده O با سعی و خطا به دست میاد ولی حدود هر کدوم بسته به نوع ویژگی و کاربرد مشخصه که شما با مطالعه مقالات زمینه مورد مطالعه تون میتونید به دست بیاریدش.
این فایل رو مطالعه کنید (اگه قبلاً خوندی یک بار با دقت بیشتر مطالعه کن).
تولباکس باید به مسیر متلب اضافه بشه (با دستور addpath یا از طریق واسط گرافیکی File>Set Path) یا در پوشه جاری متلب باشه.
؟

فایلی که گذاشتید پسور داره.
ممنون میشم اگه پسورد رو وارد کنید.

[eehadi]

پاسخ : شناسایی واج های مصوت با مدل Hmm

هر فایلی که رمز داشته باشه www.eca.ir یا eca.ir