[ML]（HMM、MRF、CRF）

已于 2022-05-25 20:38:13 修改
阅读量1.2k 收藏 2
点赞数
分类专栏： 深度学习算法 文章标签： leetcode 排序算法 算法
于 2022-03-30 00:08:56 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_38800498/article/details/123831515
版权

文章目录

HMM

课程资源：
链接：https://pan.baidu.com/s/1A5362fUoHn_BQNzBfajgUQ
提取码：gb96

马尔科夫模型的例子

一个例子：

概率转换图：
在这里插入图片描述
状态链是一个可观测到的马尔科夫链

另一个例子：
在这里插入图片描述
用今日的天气推断明天的天气，用明天的天气推断后天天气

上面的例子可以用马尔科夫模型描述

隐马尔可夫模型

在这里插入图片描述
水藻和天气是有关系的

也就是说，我们想知道的东西不能直接观测到，而是根据另一种我们可见的这种观测的东西去推算，可以用隐马尔可夫模型表示

在这里插入图片描述

五元组

一般用五元组描述HMM
在这里插入图片描述
O:水藻的状态 I:天气的状态

HMM的两个假设

在这里插入图片描述
假设1：未来与过去无关，只与现在有关

假设2：t时刻的观测只与t时刻的状态有关

HMM例子

在这里插入图片描述
在这里插入图片描述在这里插入图片描述在这里插入图片描述

HMM的3类问题

在这里插入图片描述

HMM中的前向算法和后向算法

最低0.47元/天 解锁文章
姬霓钛美
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
An Introduction to Conditional Random Fields ，CRF
02-08
CRF模型是马尔科夫随机场（Markov Random Field, MRF）的一种特例，它考虑了上下文信息对每个观测值的影响，从而能够更好地捕捉序列数据中的依赖关系。 在**概率论**基础中，随机场是一个随机变量的集合，这些变量...
CRF条件随机场1
08-03
总的来说，CRF模型相较于传统的HMM和MEMM，具有更好的建模能力，能捕捉到数据中的长期依赖性和复杂的上下文信息。在序列标注任务中，如词性标注、命名实体识别等，CRF通常能取得更优的效果。而维特比算法则为高效地...
MRF，HMM，HMRF图像分割
lwkhhh的博客
11-23 5520
看了点文章，图像中，马尔科夫随机场就是说图像像素跟周围邻域的像素相关，具有马尔科夫性。基于MRF的图像分割就是建立标号场，特征场，然后根据贝叶斯最大后验估计（MAP）求出分割结果，过程可以采用ICM（条件迭代模式算法）的来求得一个局部近似解。 基于HMRF（隐马尔科夫随机场）的图像分割，好像跟基于MRF是一个道理，不太懂啊，在二维图像中，HMRF说图像的分类标号是一个隐状态，但是MRF分割中，也
一个小的UGM的Demo
没有头像的博客
01-26 638
翻译自【https://www.cs.ubc.ca/~schmidtm/Software/UGM/small.html】 在这个demo中，我们使用一个非常简单的无向图模型（UGM）来表示一个简单的概率场景，来说明怎样把模型应用于无向图中，怎样在模型里实现解码，推理以及采样。 学生作弊案 这里有四个学生需要做两场多项选择的测试，Cathy,Heather,Mark和Allison。第一场测试中，四...
如何构建高效机器学习势？从合理训练集出发
最新发布
MS_YangZhanZhang的博客
03-26 924
我们的工作为开发复杂固体电解质材料的精确深度学习原子间相互作用势，提供了一种有效的训练策略，为加速固体电池的设计和应用提供了有前景的模拟工具。该策略通过计算训练集和测试集的覆盖范围，确保了迭代训练的准确性。因此，设计一种高效的策略，以生成全面的训练集来准确模拟这些材料中的不同原子环境和复杂界面现象，是确保模拟结果可靠的关键步骤。该研究团队开发的高效、精确的机器学习势函数的构建方法，为研究固态锂电池中的微尺度界面现象提供了有利工具，也为深入理解和优化基于LLZO的固态电池的复杂过程提供原子级见解。
图像分割综述【深度学习方法】
荷叶田田
09-21 3563
CNN图像语义分割基本上是这个套路： 下采样+上采样：Convlution + Deconvlution／Resize 多尺度特征融合：特征逐点相加／特征channel维度拼接 获得像素级别的segement map：对每一个像素点进行判断类别 即使是更复杂的DeepLab v3+依然也是这个基本套路。 图13 DeepLab v3+ Image Segmentation（图像分割）网络...
机器学习基础（七）：概率图模型（HMM、MRF、CRF、话题模型、推断方法）
zero_ling
09-28 1498
7、概率图模型 概率模型probabilistic model：提供一种描述框架，将学习任务归结于计算变量的概率分布，核心是如何基于可观测变量推测出未知变量的条件分布 → ①生成式generative模型：考虑联合分布P(Y,R,O) ②判别式discriminative模型：考虑条件分布P(Y,R|O) 由①或②得到条件概率分布P(Y|O) （Y：所关心的变量集合；O：可观测变量集合；R：其他变量的集合） 概率图模型probabilistic graphical model：一类用图来表达变量相关关系的概
HMM.rar_HMM_HMM ppt
09-21
为了解决这些问题，出现了诸多扩展模型，如条件随机场（CRF）、马尔可夫随机场（MRF）等。 综上所述，HMM是理解动态系统和序列数据的重要工具，这份"PPT"报告将帮助读者掌握HMM的基础知识，并了解其在实际问题中的...
基于C#实现的条件随机场类库
11-22
它与隐马尔科夫模型（HMM）和马尔科夫随机场（MRF）类似，但不同之处在于CRF考虑了整个序列的联合概率，从而能够更好地捕捉上下文信息。 基于C#实现的条件随机场类库，为开发者提供了在.NET框架下进行相关任务的...
图概率模型 cmu 课件
07-25
CMU（卡内基梅隆大学）的这门课程深入讲解了这一主题，包括隐马尔可夫模型（HMM）、贝叶斯网络（BN）以及条件随机场（CRF）等核心内容。这些模型在自然语言处理、计算机视觉、生物信息学等多个领域都有广泛应用。 ...
CRF概述
weixin_38109177的博客
07-29 8892
主要参考 1.李航统计学习方法 2.一个声音好听的小姐姐的讲解视频https://www.bilibili.com/video/av752902225/ 3. 白板推导系列视频https://www.bilibili.com/video/BV19t411R7QU?p=1 一、背景介绍 1、背景算法介绍 HMM，隐马尔可夫模型，是生成模型，基于两个假设，一个是齐次一阶马尔可夫假设，一个是观测独立假设。一阶是指y2只与y1有关系，y3只与y2有关系。在给定...
概率图模型之马尔可夫随机场
weixin_43797015的博客
12-04 3686
介绍了马尔可夫随机场以及势函数，推导了全局马尔科夫性、局部马尔可夫性和成对马尔可夫性。
马尔可夫随机场数学原理理解
小小何先生的学习之旅
04-14 3680
  马尔科夫随机场（Markov Random Fields，MRF）是无向概率图模型。那什么是马尔可夫随机场呢？它又能解决什么问题呢？   比如一个图像去噪问题：   马尔可夫随机场中的每一个节点代表一个像素点，这是图结构的建模过程。节点之间由边连接，也即是像素点之间由边相连。在这里也可以看出马尔可夫随机场是一个无向的概率图模型。 马尔科夫随机场定义   马尔科夫随机场（Markov Rand...
系统学习机器学习之随机场(三)--MRF,CRF及几种模型对比
工作笔记
12-15 2万+
参考：http://blog.csdn.net/discxuwei/article/details/6331617 条件随机场(Conditional random fields)，是一种判别式图模型，因为其强大的表达能力和出色的性能，得到了广泛的应用。从最通用角度来看，CRF本质上是给定了观察值集合 (observations)的马尔可夫随机场（MRF）。在这里，我们直接从最通用的角度来认识和...
CRF的理解
weixin_38284256的博客
07-19 1442
CRF的理解 1、CRF是基于概率无向图的，其联合概率由各最大团的势函数构成；在无向图的基础上，CRF的概率是x->y的条件概率； 2、一般用的都是线性链（linear-chain) 条件随机场，即Yi 节点只有前后两个连接； 3、按照概率无向图的概率公式： 这就意味着，整体CRF有一个全局的Z函数来作为归一化函数； 而MEMM来说： 其归一化函数存在于每个输出环节，并没有一个全局的归一...
[基础知识点]马尔可夫随机场MRF与 条件随机场CRF
乘风的博客
11-23 1068
因为最近看的论文中一直提到CRF，所以特地学习了一下… CRF是一种判别式无向图模型。它试图对多个变量在给定的观测值后的条件概率进行建模。具体来说： 若令x={x1,x2,…,xn}为观测序列，y={y1,y2,…,yn}为与之对应的标记序列，则CRF的目标是构建条件概率模型P(y|x). 令G=<V,E>表示结点与标记变量y中的元素一一对应的无向图，g_v表示与结点v对应的标记变量，...
马尔可夫随机场 MRF
皮皮blog
10-30 4万+
马尔可夫网马尔科夫网是使用无向图描述的图模型，是刻画X上联合分布的一种方法，表示一个分解方式,也表示一组条件独立关系。马尔科夫随机场( Markov random field , MRF),也被称为马尔科夫网络( Markov network )或者无向图模型( undirected graphical model )( Kindermann and Snell, 1980 ),包含一组结点,每个
FCN/MRF图像语义分割与马克尔夫随机场
Focusing on your own Mind :) －> 站在巨人的肩膀上
09-26 7245
参考自知乎作者：困兽 链接：https://zhuanlan.zhihu.com/p/22308032 前言 (呕血制作啊！)前几天刚好做了个图像语义分割的汇报，把最近看的论文和一些想法讲了一下。所以今天就把它总结成文章啦，方便大家一起讨论讨论。本文只是展示了一些比较经典和自己觉得比较不错的结构，毕竟这方面还是有挺多的结构方法了。 介绍 图像语义分割，简单而言就是给定一张图片，对图
PGM学习之七 MRF，马尔科夫随机场
热门推荐
Polly Study PRIS
08-02 9万+
之前自己做实验也用过MRF（Markov Random Filed，马尔科夫随机场），基本原理理解，但是很多细节的地方都不求甚解。恰好趁学习PGM的时间，整理一下在机器视觉与图像分析领域的MRF的相关知识。          在机器视觉领域，一个图像分析问题通常被定义为建模问题，图像分析的过程就是从计算的观点来求解模型的过程。一个模型除了可以表达成图形的形式外，通常使用一个目标函数来表示，因此建
基于HMM和CRF的自然语言处理算法
Python自然语言处理NLP算法课程 第05课 马尔科夫网，最大熵模型，条件随机场CRF，实现HMM和CRF 本课程是Python自然语言处理NLP算法课程的第五课，主要讲解马尔科夫网、最大熵模型、条件随机场CRF和实现HMM和CRF的...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

姬霓钛美

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值