[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):
ıllı Algoritmo de Viterbi : que es, definición y significado, descargar videos y fotos.
La información contenida en esta web debe ser considerada como información general, de carácter formativo, educativo o divulgativo, y no puede ser utilizada o interpretada como consejo o diagnótico médico, psicológico o de ningún otro tipo. Es posible que algunos datos mostrados no esten actualizados. Por ello, en caso de duda lo recomentable es consultar a un experto cualificado.
- Detalles
- Categoría: INTERNET
ıllı Algoritmo de Viterbi : que es, definición y significado, descargar videos y fotos.
El algoritmo de Viterbi deja hallar las secuencias de estados más probable en un Modelo escondo de Márkov (MOM), S=(q1,q2,…,qT)undefined, desde una observación O=(o1,o2,…,oT)undefined, esto es, consigue la secuencia inmejorable que mejor explica la secuencia de observaciones. Consideremos la variable dt(i)undefined que se define como: dt(i)=maxq1,q2,…,qt-1P(q1,q2,…,qt=i,o1,o2,…,ot|µ)undefined dt(i)undefined es la probabilidad del mejor camino hasta el estado iundefined habiendo visto las tundefined primeras observaciones. Esta función se calcula para todos y cada uno de los estados y también momentos de tiempo. dt+1(j)=bj(ot+1)undefined Puesto que la meta es conseguir las secuencia de estados más probable, va a ser preciso guardar el razonamiento que hace máxima la ecuación precedente en todos y cada momento de tiempo tundefined y para cada estado jundefined y para esto empleamos la variable ft(j)undefined. A continuación se especifica el proceso completo usando las funciones dundefined y fundefined. d1(i)=pibi(o1)undefined donde 1=i=Nundefined dt+1(j)=bj(ot+1)undefined, donde: t=1,2,…,T-1undefined, 1=j=Nundefined donde: t=1,2,…,T-1undefined, 1=j=Nundefined qT*=arg?max1=i=NdT(i)undefined qt*=ft+1(qt+1*)undefined, donde: t=T-1,T-2,…,1undefined Algunos de los cálculos del algoritmo de Viterbi recuerdan a los del algoritmo forward preciso para calcular eficazmente la probabilidad de una secuencia de observables. Una de las diferencias es la integración de la función arg?maxundefined (en vez de sumar las probabilidades) para calcular la secuencia de estados más probable. Ejemplo de secuencia de estados más probable La figura muestra un caso de secuencia de estados más probable en un Modelo Escondo de Márkov de cinco estados dada una secuencia de observaciones de longitud cinco. Muy utilizado para reconocimiento de voz, biología molecular, fonemas, palabras, codificadores entre otros muchos. A cada secuencia de estados le toca una secuencia de etiquetas (o bien labels) de clasificación, esto es, palabras, caracteres, fonemas, sufijos. Dada una secuencia observada, se deduce la más probable secuencia de estados. Una de las aplicaciones del algoritmo de Viterbi es en el área de procesamiento del lenguaje natural, más en concreto en el proceso de desambiguación léxica categorial. En este caso en particular, los elementos de un Modelo Escondo de Márkov serían los siguientes: La figura siguiente muestra un caso de etiquetado gramatical para la oración "Coto privado de caza" En él, los observables son la secuencia de palabras de la oración. Se puede observar para cada palabra se contempla solo un conjunto limitado de posibles categorías gramaticales (caza puede ser o bien nombre o bien verbo). Este es dado a que la probabilidad de pertenencia de ciertas palabras a una categoría gramatical es nula (como la probabilidad de que la palabra caza sea adverbio). Esto facilita enormemente los cálculos en el modelo.
Inicialización
ft+1(j)=arg?max1=i=Ndt(i)aijundefined,Reconstrucción de la secuencia de estados más probable
Desambiguación léxica categorial