Следующее состояние скрытой марковской модели зависит только от предыдущего состояния? А как насчет предыдущих n состояний?

Я работаю над каркасом прототипа.

По сути, мне нужно создать модель или профиль для образа жизни каждого человека на основе некоторых данных датчиков о нем / ней, таких как GPS, движения, частота сердечных сокращений, показания окружающей среды, температура и т. Д.

Предлагаемая модель или профиль представляет собой представление знаний об образе жизни человека. Может график с вероятностями.

Я думаю использовать скрытую марковскую модель для реализации этого. Поскольку состояния в HMM могут быть «Работа», «Сон», «Отдых», «Спорт» и т. д. Наблюдения могут представлять собой набор данных различных датчиков.

Мое понимание HMM заключается в том, что следующее состояние S (t) зависит только от предыдущего состояния S (t-1). Однако на самом деле деятельность человека может зависеть от предыдущих n состояний. Это все еще хорошая идея использовать HMM? Или я должен использовать какие-то другие более подходящие модели? Я видел некоторые работы по цепям Маркова второго и множественного порядка, применимы ли они также к HMM?

Я очень ценю, если вы можете дать мне подробное объяснение.

Спасибо!!


person leon    schedule 19.03.2013    source источник


Ответы (1)


То, о чем вы говорите, - это HMM первого порядка, в котором ваша модель будет знать только предыдущее состояние истории. В случае марковской модели Order-n следующее состояние будет зависеть от предыдущих состояний «n», и может быть, это то, что вы ищете, верно?

Вы правы в том, что при рассмотрении простых HMM следующее состояние зависит только от текущего состояния. Однако также можно получить HMM m-го порядка, определив вероятности перехода, как показано по этой ссылке. Однако по мере увеличения порядка увеличивается и общая сложность ваших матриц и, следовательно, вашей модели, поэтому вам действительно решать, готовы ли вы принять вызов и готовы ли приложить необходимые усилия.

person Darth Coder    schedule 22.04.2013