Главная » Просмотр файлов » Цепи Маркова

Цепи Маркова (1121219), страница 85

Файл №1121219 Цепи Маркова (Лекции в различных форматах) 85 страницаЦепи Маркова (1121219) страница 852019-05-09СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 85)

(3.7.28)) также увеличиваетсуммарное правдоподобие:= ( j),Теорема 3.7.12. Для любого начального распределенияпереходной матрицы P = (pij) и совокупности вероятностей шумов538Глава 3. Статистика цепей Маркова с дискретным временем§ 3.8. Скрытые марковские модели, II. Обучающий алгоритм Баума—УэлчаQ = (qjk), определяющих модель Z = ( , P, Q), и для любой обучающей § 3.8.

Скрытые марковские модели, II.Обучающий алгоритм Баума—Уэлча0=  ...  имеет место неравенствоDesperately Seeking Smoothness6последовательностиn(Из серии «Фильмы, которые не вышли на большой экран».)(3.7.46)Начнем с обсуждения процедуры сглаживания в задаче фильтрациис.м.м. За этим термином стоит следующий подход. Перед началом процедуры перед нами имеется неизвестная модель, представленная точкойZ = ( , P, Q) ∈ Z или, образно говоря, функцией Z , равной нулю «вне Z»и имеющей «пик» в точке Z. При заданной обучающей последовательно 0=  ...

 процедура позволяет нам рассмотреть семейство моделейстиnb ∗ = (b∗ , Pb∗, Qb∗ = Pb ∗ (Z, )b ∗), совместимое с , где b∗ = b∗ (Z, ), PZb ∗ (Z, ) изменяются вместе с изменением Z. Иными словами, мыb∗ = QиQпереходим к «распределенным», или «сглаженным» объектам, представленным функциями на множестве Z . Формально возникает отображение Φ:b ∗ ; см. (3.7.28). (Конечно, однократное применение этой процедурыZ 7→ Zеще не решит задачи оценивания неизвестной с.м.м., но оно являетсяшагом в направлении такого оценивания.

Основным объектом, нахождениекоторого является целью данного параграфа, является результат итерацийпреобразования Φ.)Итак, предположим, что зафиксирована обучающая последователь  X00.=  ..  для случайной цепочки X =  ...

, порожденной ц.м.д.в.XnnБолее того, равенство в формуле (3.7.46) достигается тогдаи только тогда, когда Φ (Z) = Z.Пример 3.7.13. Докажите теорему 3.7.12.Указание. Возможны два альтернативных доказательства: либо с использованием теоремы 3.7.5, либо с помощью теоремы 3.7.10.ностьL( ; Φ (Z)) > L( ; Z).539(Xm). Это значит, что мы будем работать с условными вероятностями приb(X0)условии, что b(X) =положими, где b(X) =  ... . Для заданных 0 6 m 6 nb(Xn)eij (m, n) = P Z (Xm = i, Xm+1 = j | b(X) = )pepi (m, n) = P Z (Xm = i | b(X) = ) =sXj=1eij (m, n),p(3.8.1)ei = pei (0, n). (3.8.2)6 Ср.

с названием фильма«Desperately Seeking Susan» (одна из первых знаменитых ролейМадонны).Глава 3. Статистика цепей Маркова с дискретным временемОбозначим ul = P Z (b(X) = , X = x(l)), l = 1, . . . , t, и введемнормирующую постоянную для u1 , . . . , ut :11= tPP Z (b(X) = )l=1.bq∗jk =1(nPmnPm=1m=1, j = 1, . . . , s, k = 1, . . . , κ .(3.8.4)epj (m, n)Д о к а з а т е л ь с т в о. Начнем с очевидного наблюдения, заключающегося в том, что в силу соотношения (3.8.2) для любых j = 1, .

. . , sи k = 1, . . . , κ выполняется равенствоnX1(m= 1m= k) P Z (Xm = j | b(X) = ) =nX1(mm=1ej (m, n).= k) p(3.8.5)Наша следующая цель — проверить, что (ср. (3.7.20))djk = P Z (b(X) = )nX1(m=1m= k) P Z (Xm = j | b(X) = ).(3.8.6)Чтобы доказать соотношение (3.8.6), рассмотрим функцию выборкиx(l), l = 1, . . . , t:nX1(xm (l) = j,m= k),m=0задающую число моментов времени, в которые наблюдается пара j → kв выборке x(l) для заданного . ТогдаnXm= 1P Z (Xm = j, b(Xm) = k | b(X) = ) = Cepj (m, n) = Cnj ,что на самом деле очевидно. ПоэтомуC−1nP1(m= k)epj (m, n)m=1bq∗jk =C−1nPm=1.epj (m, n)Отсюда следует равенство (3.8.4).Подобным образом доказывается и следующий результат.b∗ij (= pb∗ij ( ))), в которых достигается миЛемма 3.8.2.

Значения pнимум в соотношениях (3.7.23) и (3.7.25), можно переписать в видеb∗ij =pnP−1m=1nP−1m=1epij (m, n), i, j = 1, . . . , s.tXl=1Значения b∗j (= b∗j ( ))), в которых достигается минимум в соотношениях (3.7.22) и (3.7.25), можно переписать в видеb∗ = pej (0, n), j = 1, . . .

, s.j(3.8.8)К сожалению, формулы (3.8.4), (3.8.7), (3.8.8) (так же каки (3.7.22) – (3.7.24)) не слишком полезны с вычислительной точки зрения.Как было отмечено в § 3.7, на практике процедура максимизации выполняется согласно алгоритму Баума—Уэлча (его также называют переоценкойпо Бауму—Уэлчу), последовательно улучшающей вероятности epij (m, n)ei (m, n) на каждой итерации.иpТеперь наша непосредственная цель — выписать сглаженные вероятности в терминах так называемых прямых и обратных переменных m (j)и m (j); см. формулу (3.8.9). Это даст нам эффективную с вычислительнойточки зрения форму переоценки по Бауму—Уэлчу. Для заданного m == 0, . .

. , n определим случайные цепочкиb(X0)z(l, j, k)ul = Cdjk ,(3.8.7)epi (m, n)l 7→ z(l, j, k) :=nXul= k)epj (m, n)m=1где постоянная C определена соотношением (3.8.3). Для завершения доказательства достаточно заметить, что знаменатель имеет вид(3.8.3)В леммах 3.8.1 и 3.8.2 формулы (3.7.22) – (3.7.24) переписаны в альтернативной, причем более удобной, форме.q∗jk (= bq∗jk ( ))), в которых достигается миЛемма 3.8.1. Значения bнимум в соотношениях (3.7.24) и (3.7.25), можно записать в виде541C=§ 3.8. Скрытые марковские модели, II. Обучающий алгоритм Баума—Уэлча540bm↑ (X) =  ...  и bm↓ (X) = b(Xm)b(Xm+1)....b(Xn)m=1nn−1Xeij (m, n) =p=Cn−1Xm=1P Z (Xm = i, Xm+1 = j | b(X) = ) =[P Z (b(X) =(3.8.9)m=1= j qj 0 , j = 1, . . .

, s,(3.8.11)Xsm (i)pij qj m+1 , j = 1, . . . , s, m = 1, . . . , n − 1,m+1 (j) =i=1n (j)= 1, j = 1, . . . , s,(3.8.13)=i=1sXm+1 (i)qim+1pji , j = 1, . . . , s, m = 0, . . . , n − 1.n−1X| Xm = i, Xm+1 = j) =m=1epij (m, n) =b∗ij =pm (i)bj ( m+1) m+1 (j).nP−1m=0m (i)pij bj ( m+1) m+1 (j).P Z (b(X) = )(3.8.16)nP−1m=1nP−1m=1epij (m, n)= pijepi (m, n)nP−1l=0l (i)bj ( l+1) l+1 (i).nP−1(3.8.17)l (i) l (i)l=0Далее, сглаженные начальные вероятности задаются формулами0 (j) 0 (j).P Z (b(X) = )b∗ = pej (0, n) =j(3.8.18)Наконец, для сглаженных вероятностей шумов мы имеем формулыbq∗jk =nP1((3.8.15)Д о к а з а т е л ь с т в о непосредственно следует из равенств (3.8.4).| Xm+1 = j).Наша следующая задача — получить эффективное с вычислительнойточки зрения выражение для p∗ij .

Комбинируя выражение (3.8.15) с леммой3.8.2, получим сглаженные переходные вероятностиm (i) m (i).P Z (b(X) = )m↓(X) =После суммирования получимepi (m, n) =| Xm = i) ×m↑m↓P Z (Xm = i) P Z (b(X) =(3.8.14)Уравнения (3.8.11), (3.8.12) задают прямую рекурсию для вероятностей ,в то время как (3.8.13), (3.8.14) задают обратную рекурсию для вероятностей .Лемма 3.8.3. Вероятность epi (m, n) из формулы (3.8.2) допускаетследующее представление:| Xm+1 = j) P Z (bm+1Таким образом, получаем, что(3.8.12)иm (j)× P Z (b(Xm+1) =0 (j)| Xm = i, Xm+1 = j) = P Z (bm↑ (X) =m= k)epj (m, n)m=1nPm=1=epj (m, n)nPm (j) m (j)По определению условной вероятности имеют место такие рекуррентные соотношения:P Z (b(X) =(3.8.10)= P Z (b(X) = , Xm = j).P Z (b(X) = ) | Xm = i, Xm+1 = j) P Z (Xm = i)pij ,где C — постоянная, заданная равенством (3.8.3).

Следующий шаг состоитв проверке, с использованием марковского свойства, того, чтоТогда имеет место равенствоm (j) m (j)n−1X| Xm = j).=Cm↓Xm = j),1(m= k)= P Z (bm↓ (X) =m↑ ,m=1nPm=1.m (j) m (j)m (j)= P Z (bm↑ (X) =m (j)| Xm = i, Xm+1 = j) P Z (Xm = i, Xm+1 = j)] =m=1Далее, определимn−1X=  ...  .mm+1Теперь, применяя формулу Байеса, запишемm↓543m↑=  ...

 и0§ 3.8. Скрытые марковские модели, II. Обучающий алгоритм Баума—УэлчаАналогичноГлава 3. Статистика цепей Маркова с дискретным временем542(3.8.19)зависящую от переменной Z (т. е. от начального выбора параметров с.м.м.,которую мы пытаемся выявить). В этой ситуации ключевой шаг — выполнение N-кратной итерации нашей процедуры (т. е. рассмотрение преобразования ΦN):Z(N)= Φ (Z(N−1)N(0)) = Φ (Z ), N = 1, 2, . . . ,L( ; Z (∞) ) = max[L( ; Z) : Z = ( , P, Q) ∈ U ] .(3.8.22)L( ; Z) =Тогда точку Z (∞) можно трактовать как «оценку» (точнее, о.м.п. Z∗о.м.п.)предоставляющую нам «наилучшую подгонку» с.м.м.

для заданной обучающей последовательности .С геометрической точки зрения, предел Z (∞) , если он существует,является неподвижной точкой отображения Φ. Мы видим, что анализнеподвижных точек Z∗ отображения Φ, и, в частности, условий сходимостиZ (N) = ΦN (Z) → Z∗ , является здесь принципиальным вопросом. Этотвопрос обсуждается в § 3.9.Прежде чем продвинуться дальше, обсудим (непосредственный) результат максимизации выражения (3.8.22) по переменным , P и Q, образующим модель Z. Запишем лагранжиан в видеXsj=1 XX XXsssκ++−1p−1lq−1,jiijjjki=1j=1j=1k=1∂L( ; Z) +∂ jsXpij > 0,pij = 1,∂L( ; Z) +∂ pijj=1qjk > 0,κX= 1,jj=1i∂L( ; Z) + lj = 0,∂ qjkqjk = 1,k=1= 0, j = 1, . . . , s,= 0, i, j = 1, .

. . , s,j = 1, . . . , s, k = 1, . . . , κ ,и задается уравнениямиj=(3.8.21)и определение предельной точки (точек) при N → ∞. В «хорошей» ситуации можно надеяться, что существует предел Z (∞) = limN→∞ ΦN (Z),не зависящий от начальной точки Z (0) (или зависящий от Z (0) «слабо»,т. е. Z (∞) меняется только при переходе от одной «области притяжения»к другой). Предположим дополнительно, что Z (∞) является глобальнойточкой максимума правдоподобия L( ; Z) = P (b(X) = ; Z), т.

Характеристики

Тип файла
PDF-файл
Размер
4,15 Mb
Тип материала
Высшее учебное заведение

Список файлов лекций

Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6510
Авторов
на СтудИзбе
302
Средний доход
с одного платного файла
Обучение Подробнее