Как ученые придумывают правильные скрытые параметры модели Маркова и топологию для использования?

Question

Я понимаю, как скрытая модель Маркова используется в геномных последовательностях, таких как поиск гена. Но я не понимаю, как придумать определенную модель Маркова. Я имею в виду, сколько штатов должна иметь модель? Сколько возможных переходов? Должна ли у модели петля?

Как они узнают, что их модель оптимальна?

Представляют ли они, скажем, 10 различных моделей, сравнивают эти 10 моделей и публикуют лучшие?

Answer 1

Я знаком с тремя основными подходами:

1. Априори. Вы можете знать, что есть четыре пары базовых пар, и поэтому позвольте HMM иметь четыре состояния. Или вы можете знать, что у английского есть 44 фонемы, и поэтому есть 44 штата для скрытого слоя фонем в модели распознавания голоса.

2. Предварительный расчет. Количество состояний часто можно оценить заранее, возможно, путем простой кластеризации на наблюдаемых особенностях HMM. Если матрица перехода HMM является треугольной (что часто имеет место в прогнозировании отказа), количество состояний определяет форму распределения общего времени от начального состояния до конечного состояния.

3. Оптимизация. Как вы предлагаете, либо много моделей созданы и подходят, и лучшая выбранная модель. Можно также адаптировать методологию, которая изучает HMM, чтобы позволить модели добавлять или выбросить состояния по мере необходимости.

Answer 2

Дальнейшим подходом является выборка из моделей с счетом бесконечным числом состояний. Ответ на «Сколько» тогда появится, усредняя через пробоотборники.

http://mlg.eng.cam.ac.uk/zoubin/papers/ihmm.pdf