WikiDer > Вперед – обратный алгоритм

Эта статья включает Список ссылок, связанное чтение или внешняя ссылка, но его источники остаются неясными, потому что в нем отсутствует встроенные цитаты. Пожалуйста, помогите улучшать эта статья введение более точные цитаты. (Апрель 2018 г.) (Узнайте, как и когда удалить этот шаблон сообщения)

В вперед-назад алгоритм является вывод алгоритм за скрытые марковские модели который вычисляет задний маргиналы всех скрытых переменных состояния с учетом последовательности наблюдений / выбросов ${displaystyle o_ {1: T}: = o_ {1}, точки, o_ {T}}$, т.е. вычисляет для всех скрытых переменных состояния ${displaystyle X_ {t} in {X_ {1}, dots, X_ {T}}}$, распространение ${displaystyle P (X_ {t} | o_ {1: T})}$. Эта задача вывода обычно называется сглаживание. В алгоритме используется принцип динамическое программирование для эффективного вычисления значений, необходимых для получения апостериорных маргинальных распределений за два прохода. Первый проход идет вперед во времени, а второй - назад; отсюда и название вперед-назад алгоритм.

Период, термин вперед-назад алгоритм также используется для обозначения любого алгоритма, принадлежащего к общему классу алгоритмов, которые работают с моделями последовательностей в прямом-обратном порядке. В этом смысле описания в оставшейся части этой статьи относятся только к одному конкретному экземпляру этого класса.

Обзор

На первом проходе алгоритм прямого-обратного вычисляет набор прямых вероятностей, которые обеспечивают для всех ${displaystyle tin {1, dots, T}}$, вероятность оказаться в каком-либо конкретном состоянии с учетом первого ${displaystyle t}$ наблюдения в последовательности, т.е. ${displaystyle P (X_ {t} | o_ {1: t})}$. Во втором проходе алгоритм вычисляет набор обратных вероятностей, которые обеспечивают вероятность наблюдения оставшихся наблюдений при любой начальной точке. ${displaystyle t}$, т.е. ${displaystyle P (o_ {t + 1: T} | X_ {t})}$. Затем эти два набора распределений вероятностей можно объединить, чтобы получить распределение по состояниям в любой конкретный момент времени с учетом всей последовательности наблюдений:

${displaystyle P (X_ {t} | o_ {1: T}) = P (X_ {t} | o_ {1: t}, o_ {t + 1: T}) propto P (o_ {t + 1: T } | X_ {t}) P (X_ {t} | o_ {1: t})}$

Последний шаг следует из применения Правило Байеса и условная независимость из ${displaystyle o_ {t + 1: T}}$ и ${displaystyle o_ {1: t}}$ данный ${displaystyle X_ {t}}$.

Как указано выше, алгоритм состоит из трех шагов:

1. вычисление прямых вероятностей
2. вычисление обратных вероятностей
3. вычисление сглаженных значений.

Шаги вперед и назад могут также называться «прямой проход сообщения» и «обратный проход сообщения» - эти термины обусловлены передача сообщений используется в целом распространение веры подходы. Для каждого отдельного наблюдения в последовательности вычисляются вероятности, которые будут использоваться для вычислений при следующем наблюдении. Шаг сглаживания можно рассчитать одновременно во время обратного прохода. Этот шаг позволяет алгоритму учитывать любые прошлые наблюдения за выходными данными для вычисления более точных результатов.

Алгоритм прямого-обратного можно использовать для поиска наиболее вероятного состояния в любой момент времени. Однако его нельзя использовать для поиска наиболее вероятной последовательности состояний (см. Алгоритм Витерби).

Прямые вероятности

В нижеследующем описании будут использоваться матрицы значений вероятности, а не распределения вероятностей, хотя в целом алгоритм прямого-обратного может применяться как к непрерывным, так и к дискретным моделям вероятностей.

Преобразуем распределения вероятностей, относящиеся к заданному скрытая марковская модель в матричные обозначения следующим образом. ${displaystyle mathbf {P} (X_ {t} mid X_ {t-1})}$ данной случайной величины ${displaystyle X_ {t}}$ представляющие все возможные состояния в скрытой марковской модели, будут представлены матрицей ${displaystyle mathbf {T}}$ где индекс столбца ${displaystyle j}$ будет представлять целевое состояние и индекс строки ${displaystyle i}$ представляет начальное состояние. Переход из состояния вектор-строка ${displaystyle mathbf {pi _ {t}}}$ в инкрементное состояние вектора-строки ${displaystyle mathbf {pi _ {t + 1}}}$ записывается как ${displaystyle mathbf {pi _ {t + 1}} = mathbf {pi _ {t}} mathbf {T}}$. В приведенном ниже примере представлена ​​система, в которой вероятность остаться в том же состоянии после каждого шага составляет 70%, а вероятность перехода в другое состояние составляет 30%. Тогда матрица перехода будет следующей:

${displaystyle mathbf {T} = {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}}}$

В типичной марковской модели мы умножаем вектор состояния на эту матрицу, чтобы получить вероятности для последующего состояния. В скрытой марковской модели состояние неизвестно, и вместо этого мы наблюдаем события, связанные с возможными состояниями. Матрица событий вида:

${displaystyle mathbf {B} = {egin {pmatrix} 0.9 & 0.1 0.2 & 0.8end {pmatrix}}}$

предоставляет вероятности для наблюдения событий в конкретном состоянии. В приведенном выше примере событие 1 будет наблюдаться в 90% случаев, если мы находимся в состоянии 1, в то время как событие 2 имеет 10% вероятность возникновения в этом состоянии. Напротив, событие 1 будет наблюдаться только в 20% случаев, если мы находимся в состоянии 2, а вероятность возникновения события 2 составляет 80%. Для произвольного вектора-строки, описывающего состояние системы (${displaystyle mathbf {pi}}$), тогда вероятность наблюдения события j равна:

${displaystyle mathbf {P} (O = j) = sum _ {i} pi _ {i} B_ {i, j}}$

Вероятность данного состояния, ведущего к наблюдаемому событию j, может быть представлена ​​в матричной форме путем умножения вектора-строки состояния (${displaystyle mathbf {pi}}$) с матрицей наблюдения (${displaystyle mathbf {O_ {j}} = mathrm {diag} (B _ {*, o_ {j}})}$), содержащий только диагональные элементы. Продолжая приведенный выше пример, матрица наблюдения для события 1 будет:

${displaystyle mathbf {O_ {1}} = {egin {pmatrix} 0.9 & 0.0 0.0 & 0.2end {pmatrix}}}$

Это позволяет нам вычислить новый вектор состояния ненормированных вероятностей ${displaystyle mathbf {pi '}}$ по правилу Байеса, взвешивая по вероятности того, что каждый элемент ${displaystyle mathbf {pi}}$ сгенерировано событие 1 как:

${displaystyle mathbf {pi '} = mathbf {pi} mathbf {O_ {1}}}$

Теперь мы можем конкретизировать эту общую процедуру для нашей серии наблюдений. Предполагая вектор начального состояния ${displaystyle mathbf {pi} _ {0}}$, (который может быть оптимизирован как параметр путем повторения процедуры вперед-назад), мы начинаем с ${displaystyle mathbf {f_ {0: 0}} = mathbf {pi} _ {0}}$, затем обновляя распределение состояний и взвешивание с учетом вероятности первого наблюдения:

${displaystyle mathbf {f_ {0: 1}} = mathbf {pi} _ {0} mathbf {T} mathbf {O_ {o (1)}}}$

Этот процесс можно продолжить с дополнительными наблюдениями, используя:

${displaystyle mathbf {f_ {0: t}} = mathbf {f_ {0: t-1}} mathbf {T} mathbf {O_ {o (t)}}}$

Это значение представляет собой прямой ненормализованный вектор вероятности. I-я запись этого вектора обеспечивает:

${displaystyle mathbf {f_ {0: t}} (i) = mathbf {P} (o_ {1}, o_ {2}, dots, o_ {t}, X_ {t} = x_ {i} | mathbf {pi } _ {0})}$

Обычно мы нормализуем вектор вероятности на каждом шаге так, чтобы сумма его элементов равнялась 1. Таким образом, на каждом шаге вводится коэффициент масштабирования, так что:

${displaystyle mathbf {{hat {f}} _ {0: t}} = c_ {t} ^ {- 1} mathbf {{hat {f}} _ {0: t-1}} mathbf {T} mathbf { O_ {o (t)}}}$

куда ${displaystyle mathbf {{шляпа {f}} _ {0: t-1}}}$ представляет масштабированный вектор из предыдущего шага и ${displaystyle c_ {t}}$ представляет коэффициент масштабирования, который заставляет элементы результирующего вектора суммироваться до 1. Произведение коэффициентов масштабирования представляет собой полную вероятность наблюдения данных событий независимо от конечных состояний:

${displaystyle mathbf {P} (o_ {1}, o_ {2}, dots, o_ {t} | mathbf {pi} _ {0}) = prod _ {s = 1} ^ {t} c_ {s}}$

Это позволяет нам интерпретировать масштабированный вектор вероятности как:

${displaystyle mathbf {{hat {f}} _ {0: t}} (i) = {frac {mathbf {f_ {0: t}} (i)} {prod _ {s = 1} ^ {t} c_ {s}}} = {frac {mathbf {P} (o_ {1}, o_ {2}, dots, o_ {t}, X_ {t} = x_ {i} | mathbf {pi} _ {0}) } {mathbf {P} (o_ {1}, o_ {2}, dots, o_ {t} | mathbf {pi} _ {0})}} = mathbf {P} (X_ {t} = x_ {i} | o_ {1}, o_ {2}, точки, o_ {t}, mathbf {pi} _ {0})}$

Таким образом, мы обнаруживаем, что произведение коэффициентов масштабирования дает нам полную вероятность наблюдения данной последовательности до момента времени t, а масштабированный вектор вероятности дает нам вероятность нахождения в каждом состоянии в это время.

Обратные вероятности

Подобная процедура может быть построена для нахождения обратных вероятностей. Они предназначены для обеспечения вероятностей:

${displaystyle mathbf {b_ {t: T}} (i) = mathbf {P} (o_ {t + 1}, o_ {t + 2}, dots, o_ {T} | X_ {t} = x_ {i}) )}$

То есть теперь мы хотим предположить, что мы начинаем с определенного состояния (${displaystyle X_ {t} = x_ {i}}$), и теперь нас интересует вероятность наблюдения всех будущих событий из этого состояния. Поскольку исходное состояние считается заданным (т.е. априорная вероятность этого состояния = 100%), мы начинаем с:

${displaystyle mathbf {b_ {T: T}} = [1 1 1 точка] ^ {T}}$

Обратите внимание, что теперь мы используем вектор-столбец, в то время как прямые вероятности использовали векторы-строки. Затем мы можем работать в обратном направлении, используя:

${displaystyle mathbf {b_ {t-1: T}} = mathbf {T} mathbf {O_ {t}} mathbf {b_ {t: T}}}$

Хотя мы могли бы также нормализовать этот вектор, чтобы сумма его записей равнялась единице, обычно этого не делается. Отмечая, что каждая запись содержит вероятность будущей последовательности событий с учетом конкретного начального состояния, нормализация этого вектора была бы эквивалентна применению теоремы Байеса для нахождения вероятности каждого начального состояния с учетом будущих событий (при условии единообразных априорных значений для вектора конечного состояния ). Однако чаще масштабировать этот вектор, используя тот же ${displaystyle c_ {t}}$ константы, используемые в расчетах прямой вероятности. ${displaystyle mathbf {b_ {T: T}}}$ не масштабируется, но в последующих операциях используются:

${displaystyle mathbf {{hat {b}} _ {t-1: T}} = c_ {t} ^ {- 1} mathbf {T} mathbf {O_ {t}} mathbf {{hat {b}} _ { t: T}}}$

куда ${displaystyle mathbf {{шляпа {b}} _ {t: T}}}$ представляет предыдущий масштабированный вектор. Этот результат состоит в том, что масштабированный вектор вероятности связан с обратными вероятностями следующим образом:

${displaystyle mathbf {{hat {b}} _ {t: T}} (i) = {frac {mathbf {b_ {t: T}} (i)} {prod _ {s = t + 1} ^ {T } c_ {s}}}}$

Это полезно, потому что позволяет нам найти общую вероятность нахождения в каждом состоянии в данный момент времени t путем умножения этих значений:

${displaystyle mathbf {gamma _ {t}} (i) = mathbf {P} (X_ {t} = x_ {i} | o_ {1}, o_ {2}, dots, o_ {T}, mathbf {pi}) _ {0}) = {frac {mathbf {P} (o_ {1}, o_ {2}, dots, o_ {T}, X_ {t} = x_ {i} | mathbf {pi} _ {0}) } {mathbf {P} (o_ {1}, o_ {2}, dots, o_ {T} | mathbf {pi} _ {0})}} = {frac {mathbf {f_ {0: t}} (i ) cdot mathbf {b_ {t: T}} (i)} {prod _ {s = 1} ^ {T} c_ {s}}} = mathbf {{hat {f}} _ {0: t}} ( i) cdot mathbf {{hat {b}} _ {t: T}} (i)}$

Чтобы понять это, отметим, что ${displaystyle mathbf {f_ {0: t}} (i) cdot mathbf {b_ {t: T}} (i)}$ обеспечивает вероятность наблюдения данных событий, проходя через состояние ${displaystyle x_ {i}}$ в момент t. Эта вероятность включает прямые вероятности, охватывающие все события до момента времени t, а также обратные вероятности, которые включают все будущие события. Это числитель, который мы ищем в нашем уравнении, и мы делим его на общую вероятность последовательности наблюдений, чтобы нормализовать это значение, и извлекаем только вероятность того, что ${displaystyle X_ {t} = x_ {i}}$. Эти значения иногда называют «сглаженными значениями», поскольку они объединяют прямую и обратную вероятности для вычисления окончательной вероятности.

Ценности ${displaystyle mathbf {gamma _ {t}} (i)}$ таким образом обеспечить вероятность пребывания в каждом состоянии в момент времени t. Таким образом, они полезны для определения наиболее вероятного состояния в любое время. Термин «наиболее вероятное состояние» несколько неоднозначен. Хотя наиболее вероятное состояние с наибольшей вероятностью будет правильным в данной точке, последовательность индивидуально вероятных состояний вряд ли будет наиболее вероятной последовательностью. Это связано с тем, что вероятности для каждой точки рассчитываются независимо друг от друга. Они не принимают во внимание вероятности перехода между состояниями, и, таким образом, можно получить состояния в два момента (t и t + 1), которые являются наиболее вероятными в эти моменты времени, но которые имеют очень небольшую вероятность возникновения вместе, т. Е. ${displaystyle mathbf {P} (X_ {t} = x_ {i}, X_ {t + 1} = x_ {j}) eq mathbf {P} (X_ {t} = x_ {i}) mathbf {P} ( X_ {t + 1} = x_ {j})}$. Наиболее вероятную последовательность состояний, которые привели к последовательности наблюдений, можно найти с помощью Алгоритм Витерби.

Пример

Этот пример берет за основу зонтичный мир в Russell & Norvig 2010 Глава 15 с. 567 в котором мы хотели бы сделать вывод о погоде по наблюдениям другого человека, несущего или не несущего зонтик. Мы предполагаем два возможных состояния погоды: состояние 1 = дождь, состояние 2 = без дождя. Мы предполагаем, что у погоды есть 70% шанс оставаться неизменной каждый день и 30% шанс измениться. Тогда вероятности перехода таковы:

${displaystyle mathbf {T} = {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}}}$

Мы также предполагаем, что каждое состояние генерирует одно из двух возможных событий: событие 1 = зонтик, событие 2 = отсутствие зонтика. Условные вероятности их появления в каждом состоянии задаются матрицей вероятностей:

${displaystyle mathbf {B} = {egin {pmatrix} 0.9 & 0.1 0.2 & 0.8end {pmatrix}}}$

Затем мы наблюдаем следующую последовательность событий: {зонтик, зонтик, без зонта, зонтик, зонтик}, которые мы представим в наших расчетах как:

${displaystyle mathbf {O_ {1}} = {egin {pmatrix} 0.9 & 0.0 0.0 & 0.2end {pmatrix}} ~~ mathbf {O_ {2}} = {egin {pmatrix} 0.9 & 0.0 0.0 & 0 .2end {pmatrix}} ~~ mathbf {O_ {3}} = {egin {pmatrix} 0.1 & 0.0 0.0 & 0.8end {pmatrix}} ~~ mathbf {O_ {4}} = {egin {pmatrix} 0.9 & 0.0 0.0 & 0.2end {pmatrix}} ~~ mathbf {O_ {5}} = {egin {pmatrix} 0.9 & 0.0 0.0 & 0.2end {pmatrix}}}$

Обратите внимание, что ${displaystyle mathbf {O_ {3}}}$ отличается от других наблюдением «без зонтика».

При вычислении прямых вероятностей мы начинаем с:

${displaystyle mathbf {f_ {0: 0}} = {egin {pmatrix} 0,5 & 0,5end {pmatrix}}}$

который является нашим вектором предыдущего состояния, указывающим на то, что мы не знаем, в каком состоянии находится погода до наших наблюдений. Хотя вектор состояния должен быть задан как вектор-строка, мы будем использовать транспонирование матрицы, чтобы было легче читать приведенные ниже вычисления. Наши расчеты записываются в виде:

${displaystyle (mathbf {{hat {f}} _ {0: t}}) ^ {T} = c_ {t} ^ {- 1} mathbf {O_ {t}} (mathbf {T}) ^ {T} (mathbf {{шляпа {f}} _ {0: t-1}}) ^ {T}}$

вместо:

${displaystyle mathbf {{hat {f}} _ {0: t}} = c_ {t} ^ {- 1} mathbf {{hat {f}} _ {0: t-1}} mathbf {T} mathbf { O_ {t}}}$

Обратите внимание, что матрица преобразования также транспонируется, но в нашем примере транспонирование равно исходной матрице. Выполнение этих расчетов и нормализация результатов обеспечивает:

${displaystyle (mathbf {{hat {f}} _ {0: 1}}) ^ {T} = c_ {1} ^ {- 1} {egin {pmatrix} 0.9 & 0.0 0.0 & 0.2end {pmatrix} } {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.5000 0.5000end {pmatrix}} = c_ {1} ^ {- 1} {egin {pmatrix} 0.4500 0.1000 конец {pmatrix}} = {egin {pmatrix} 0.8182 0.1818end {pmatrix}}}$

${displaystyle (mathbf {{hat {f}} _ {0: 2}}) ^ {T} = c_ {2} ^ {- 1} {egin {pmatrix} 0.9 & 0.0 0.0 & 0.2end {pmatrix} } {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.8182 0.1818end {pmatrix}} = c_ {2} ^ {- 1} {egin {pmatrix} 0.5645 0.0745 конец {pmatrix}} = {egin {pmatrix} 0.8834 0.1166end {pmatrix}}}$

${displaystyle (mathbf {{hat {f}} _ {0: 3}}) ^ {T} = c_ {3} ^ {- 1} {egin {pmatrix} 0.1 & 0.0 0.0 & 0.8end {pmatrix} } {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.8834 0.1166end {pmatrix}} = c_ {3} ^ {- 1} {egin {pmatrix} 0.0653 0.2772 конец {pmatrix}} = {egin {pmatrix} 0.1907 0.8093end {pmatrix}}}$

${displaystyle (mathbf {{hat {f}} _ {0: 4}}) ^ {T} = c_ {4} ^ {- 1} {egin {pmatrix} 0.9 & 0.0 0.0 & 0.2end {pmatrix} } {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.1907 0.8093end {pmatrix}} = c_ {4} ^ {- 1} {egin {pmatrix} 0.3386 0.1247 конец {pmatrix}} = {egin {pmatrix} 0,7308 0,2692end {pmatrix}}}$

${displaystyle (mathbf {{hat {f}} _ {0: 5}}) ^ {T} = c_ {5} ^ {- 1} {egin {pmatrix} 0.9 & 0.0 0.0 & 0.2end {pmatrix} } {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.7308 0.2692end {pmatrix}} = c_ {5} ^ {- 1} {egin {pmatrix} 0.5331 0.0815 конец {pmatrix}} = {egin {pmatrix} 0.8673 0.1327end {pmatrix}}}$

Для обратных вероятностей мы начнем с:

${displaystyle mathbf {b_ {5: 5}} = {egin {pmatrix} 1.0 1.0end {pmatrix}}}$

Затем мы можем вычислить (используя наблюдения в обратном порядке и нормализовав с разными константами):

${displaystyle mathbf {{hat {b}} _ {4: 5}} = alpha {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.9 & 0.0 0.0 & 0. 2end {pmatrix}} {egin {pmatrix} 1.0000 1.0000end {pmatrix}} = alpha {egin {pmatrix} 0.6900 0.4100end {pmatrix}} = {egin {pmatrix} 0.6273 0.3727end {pmatrix}}}$

${displaystyle mathbf {{hat {b}} _ {3: 5}} = alpha {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.9 & 0.0 0.0 & 0. 2end {pmatrix}} {egin {pmatrix} 0,6273 0,3727end {pmatrix}} = alpha {egin {pmatrix} 0,4175 0,2215end {pmatrix}} = {egin {pmatrix} 0,6533 0,3467end {pmatrix}}}$

${displaystyle mathbf {{hat {b}} _ {2: 5}} = alpha {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.1 & 0.0 0.0 & 0. 8end {pmatrix}} {egin {pmatrix} 0,6533 0,3467end {pmatrix}} = alpha {egin {pmatrix} 0,1289 0,2138end {pmatrix}} = {egin {pmatrix} 0,3763 0,6237end {pmatrix}}}$

${displaystyle mathbf {{hat {b}} _ {1: 5}} = alpha {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.9 & 0.0 0.0 & 0. 2end {pmatrix}} {egin {pmatrix} 0.3763 ​​ 0.6237end {pmatrix}} = alpha {egin {pmatrix} 0.2745 0.1889end {pmatrix}} = {egin {pmatrix} 0.5923 0.4077end {pmatrix}}}$

${displaystyle mathbf {{hat {b}} _ {0: 5}} = alpha {egin {pmatrix} 0.7 & 0.3 0.3 & 0.7end {pmatrix}} {egin {pmatrix} 0.9 & 0.0 0.0 & 0. 2end {pmatrix}} {egin {pmatrix} 0.5923 0.4077end {pmatrix}} = alpha {egin {pmatrix} 0.3976 0.2170end {pmatrix}} = {egin {pmatrix} 0.6469 0.3531end {pmatrix}}}$

Наконец, мы вычислим сглаженные значения вероятности. Эти результаты также должны быть масштабированы так, чтобы их сумма записей равнялась 1, потому что мы не масштабировали обратные вероятности с помощью ${displaystyle c_ {t}}$найден ранее. Таким образом, приведенные выше обратные векторы вероятности фактически представляют вероятность каждого состояния в момент времени t с учетом будущих наблюдений. Поскольку эти векторы пропорциональны реальным обратным вероятностям, результат необходимо дополнительно масштабировать.

${displaystyle (mathbf {gamma _ {0}}) ^ {T} = alpha {egin {pmatrix} 0.5000 0.5000end {pmatrix}} circ {egin {pmatrix} 0.6469 0.3531end {pmatrix}} = alpha {egin { pmatrix} 0,3235 0,1765end {pmatrix}} = {egin {pmatrix} 0,6469 0,3531end {pmatrix}}}$

${displaystyle (mathbf {gamma _ {1}}) ^ {T} = alpha {egin {pmatrix} 0.8182 0.1818end {pmatrix}} circ {egin {pmatrix} 0.5923 0.4077end {pmatrix}} = alpha {egin { pmatrix} 0,4846 0,0741end {pmatrix}} = {egin {pmatrix} 0,8673 0,1327end {pmatrix}}}$

${displaystyle (mathbf {gamma _ {2}}) ^ {T} = alpha {egin {pmatrix} 0.8834 0.1166end {pmatrix}} circ {egin {pmatrix} 0.3763 ​​ 0.6237end {pmatrix}} = alpha {egin { pmatrix} 0,3324 0,0728end {pmatrix}} = {egin {pmatrix} 0,8204 0,1796end {pmatrix}}}$

${displaystyle (mathbf {gamma _ {3}}) ^ {T} = alpha {egin {pmatrix} 0.1907 0.8093end {pmatrix}} circ {egin {pmatrix} 0.6533 0.3467end {pmatrix}} = alpha {egin { pmatrix} 0,1246 0,2806end {pmatrix}} = {egin {pmatrix} 0,3075 0,6925end {pmatrix}}}$

${displaystyle (mathbf {gamma _ {4}}) ^ {T} = alpha {egin {pmatrix} 0.7308 0.2692end {pmatrix}} circ {egin {pmatrix} 0.6273 0.3727end {pmatrix}} = alpha {egin { pmatrix} 0,4584 0,1003end {pmatrix}} = {egin {pmatrix} 0,8204 0,1796end {pmatrix}}}$

${displaystyle (mathbf {gamma _ {5}}) ^ {T} = alpha {egin {pmatrix} 0.8673 0.1327end {pmatrix}} circ {egin {pmatrix} 1.0000 1.0000end {pmatrix}} = alpha {egin { pmatrix} 0.8673 0.1327end {pmatrix}} = {egin {pmatrix} 0.8673 0.1327end {pmatrix}}}$

Обратите внимание, что значение ${displaystyle mathbf {gamma _ {0}}}$ равно ${displaystyle mathbf {{шляпа {b}} _ {0: 5}}}$ и это ${displaystyle mathbf {gamma _ {5}}}$ равно ${displaystyle mathbf {{шляпа {f}} _ {0: 5}}}$. Это следует естественно, потому что оба ${displaystyle mathbf {{шляпа {f}} _ {0: 5}}}$ и ${displaystyle mathbf {{шляпа {b}} _ {0: 5}}}$ начать с единых априорных значений по векторам начального и конечного состояния (соответственно) и принять во внимание все наблюдения. Тем не мение, ${displaystyle mathbf {gamma _ {0}}}$ будет только равно ${displaystyle mathbf {{шляпа {b}} _ {0: 5}}}$ когда наш вектор начального состояния представляет собой единый априор (т.е. все записи равны). Когда это не так ${displaystyle mathbf {{шляпа {b}} _ {0: 5}}}$ необходимо объединить с вектором начального состояния, чтобы найти наиболее вероятное начальное состояние. Таким образом, мы находим, что прямых вероятностей самих по себе достаточно для расчета наиболее вероятного конечного состояния. Точно так же обратные вероятности могут быть объединены с вектором начального состояния, чтобы обеспечить наиболее вероятное начальное состояние с учетом наблюдений. Прямые и обратные вероятности нужно только объединить, чтобы вывести наиболее вероятные состояния между начальной и конечной точками.

Приведенные выше расчеты показывают, что наиболее вероятным состоянием погоды на каждый день, кроме третьего, был «дождь». Однако они говорят нам больше, поскольку теперь они предоставляют способ количественной оценки вероятностей каждого состояния в разное время. Возможно, самое главное, наша ценность в ${displaystyle mathbf {gamma _ {5}}}$ количественно оценивает наши знания о векторе состояния в конце последовательности наблюдений. Затем мы можем использовать это, чтобы предсказать вероятность различных погодных условий завтра, а также вероятность наблюдения за зонтом.

Спектакль

Алгоритм вперед-назад работает с временной сложностью ${displaystyle O (S ^ {2} T)}$ в космосе ${displaystyle O (ST)}$, куда ${displaystyle T}$ - длина временной последовательности и ${displaystyle S}$ - количество символов в государственном алфавите.^[1] Алгоритм также может работать в постоянном пространстве с временной сложностью. ${displaystyle O (S ^ {2} T ^ {2})}$ путем пересчета значений на каждом шаге.^[2] Для сравнения, процедура перебора сгенерирует все возможные ${displaystyle S ^ {T}}$ последовательности состояний и вычислить совместную вероятность каждой последовательности состояний с наблюдаемой серией событий, которая будет иметь временная сложность ${displaystyle O (Tcdot S ^ {T})}$. Грубая сила неразрешима для реалистичных задач, поскольку количество возможных последовательностей скрытых узлов обычно чрезвычайно велико.

Расширение общего алгоритма вперед-назад, названное Алгоритм острова, использует меньшее использование памяти для увеличения времени работы, занимая ${displaystyle O (S ^ {2} Tlog T)}$ время и ${displaystyle O (S ^ {2} log T)}$ объем памяти. Кроме того, можно инвертировать модель процесса, чтобы получить ${displaystyle O (S)}$ Космос, ${displaystyle O (S ^ {2} T)}$ алгоритм времени, хотя инвертированный процесс может не существовать или быть плохо воспитанный.^[3]

Кроме того, были разработаны алгоритмы для вычисления ${displaystyle mathbf {f_ {0: t + 1}}}$ эффективно с помощью оперативного сглаживания, такого как алгоритм сглаживания с фиксированной задержкой (FLS).^[4]

Псевдокод

алгоритм вперед назад является    Вход: guessState int sequenceIndex    выход: результат    если sequenceIndex находится за концом последовательности тогда        возвращаться 1    если (guessState, sequenceIndex) видели раньше тогда        возвращаться сохраненный результат результат := 0    для каждого соседнее государство n: результат : = результат + (вероятность перехода от guessState к n данный элемент наблюдения в sequenceIndex) × Назад (n, sequenceIndex + 1) сохранить результат для (guessState, sequenceIndex)    возвращаться результат

Пример Python

Учитывая HMM (как в Алгоритм Витерби) представлены в Язык программирования Python:

состояния = ('Здоровый', 'Высокая температура')end_state = 'E' наблюдения = ('нормальный', 'холодный', 'головокружительный') start_probability = {'Здоровый': 0.6, 'Высокая температура': 0.4} transition_probability = {   'Здоровый' : {'Здоровый': 0.69, 'Высокая температура': 0.3, 'E': 0.01},   'Высокая температура' : {'Здоровый': 0.4, 'Высокая температура': 0.59, 'E': 0.01},   } Emission_probability = {   'Здоровый' : {'нормальный': 0.5, 'холодный': 0.4, 'головокружительный': 0.1},   'Высокая температура' : {'нормальный': 0.1, 'холодный': 0.3, 'головокружительный': 0.6},   }

Мы можем написать реализацию алгоритма вперед-назад следующим образом:

def fwd_bkw(наблюдения, состояния, start_prob, trans_prob, emm_prob, end_st):    "" "Алгоритм вперед-назад." ""    # Прямая часть алгоритма    вперед = []    за я, наблюдение_i в перечислять(наблюдения):        f_curr = {}        за ул в состояния:            если я == 0:                # базовый вариант для передней части                prev_f_sum = start_prob[ул]            еще:                prev_f_sum = сумма(f_prev[k] * trans_prob[k][ул] за k в состояния)            f_curr[ул] = emm_prob[ул][наблюдение_i] * prev_f_sum        вперед.добавить(f_curr)        f_prev = f_curr    p_fwd = сумма(f_curr[k] * trans_prob[k][end_st] за k в состояния)    # Обратная часть алгоритма    bkw = []    за я, наблюдение_i_plus в перечислять(перевернутый(наблюдения[1:] + (Никто,))):        b_curr = {}        за ул в состояния:            если я == 0:                # базовый вариант для задней части                b_curr[ул] = trans_prob[ул][end_st]            еще:                b_curr[ул] = сумма(trans_prob[ул][л] * emm_prob[л][наблюдение_i_plus] * b_prev[л] за л в состояния)        bkw.вставлять(0,b_curr)        b_prev = b_curr    p_bkw = сумма(start_prob[л] * emm_prob[л][наблюдения[0]] * b_curr[л] за л в состояния)    # Слияние двух частей    задний = []    за я в классифицировать(len(наблюдения)):        задний.добавить({ул: вперед[я][ул] * bkw[я][ул] / p_fwd за ул в состояния})    утверждать p_fwd == p_bkw    возвращаться вперед, bkw, задний

Функция fwd_bkw принимает следующие аргументы: Икс это последовательность наблюдений, например ["нормально", "холодно", "кружится голова"]; состояния это набор скрытых состояний; a_0 - вероятность старта; а - вероятности перехода; и е - вероятности выбросов.

Для простоты кода мы предполагаем, что последовательность наблюдений Икс не пусто и что a [i] [j] и e [i] [j] определено для всех состояний i, j.

В текущем примере алгоритм вперед-назад используется следующим образом:

def пример():    возвращаться fwd_bkw(наблюдения,                   состояния,                   start_probability,                   transition_probability,                   Emission_probability,                   end_state)

>>> за линия в пример():...     Распечатать(*линия)... {'Здоровый': 0,3, 'Лихорадка': 0,04000000000000001} {'Здоровый': 0,0892, 'Лихорадочный': 0,03408} {'Здоровый': 0,007518, 'Лихорадочный': 0,028120319999999997}{'Здоровый': 0,0010418399999999998, 'Лихорадка': 0,00109578} {'Здоровый': 0,00249, 'Лихорадочный': 0,00394} {'Здоровый': 0,01, 'Лихорадочный': 0,01}{'Здоровый': 0,8770110375573259, 'Лихорадка': 0,1229889624426741} {'Здоровый': 0,623228030950954, 'Лихорадка': 0,3767719690490461} {'Здоровый': 0,2109527048413057, 'Лихорадочный': 0,7890472951586943}

Смотрите также

• Алгоритм Баума – Велча
• Алгоритм Витерби
• Алгоритм BCJR

Рекомендации

• Лоуренс Р. Рабинер, Учебное пособие по скрытым марковским моделям и избранным приложениям в распознавании речи. Труды IEEE, 77 (2), с. 257–286, февраль 1989 г. 10.1109/5.18626
• Лоуренс Р. Рабинер, Б. Х. Хуанг (январь 1986 г.). «Введение в скрытые марковские модели». Журнал IEEE ASSP: 4–15.
• Евгений Чарняк (1993). Статистическое изучение языков. Кембридж, Массачусетс: MIT Press. ISBN 978-0-262-53141-2.
• Стюарт Рассел и Питер Норвиг (2010). Искусственный интеллект - современный подход, 3-е издание. Река Аппер Сэдл, Нью-Джерси: Pearson Education / Prentice-Hall. ISBN 978-0-13-604259-4.

внешняя ссылка

• Интерактивная таблица для обучения алгоритму вперед-назад (таблица и статья с пошаговым описанием)
• Учебное пособие по скрытым марковским моделям, включая алгоритм вперед – назад
• Коллекция алгоритмов AI, реализованных на Java (включая HMM и алгоритм вперед-назад)