Analysis of Drifting Dynamics with Neural Network Hidden Markov Models

论文关键词：时间序列 神经网络 隐马尔科夫

论文任务： 给定一段时间序列，找出每小段是哪种模式，且能找出模式变化的阶段

论文核心思想：

1. 首先，为每种模式训练一个神经网络模型，假设有 N 种模型；

2. 将这些神经网络模型做一个线性组合 $f(x_t)=a(t)f_i(x)+(1-a(t))f_j(x_t),0 \le a(t) \le 1$, 由此得到集合 $S=P \cup M$。其中 $P$ 是 pure state ,即训练的模型，就是每个动态模式本身。 $M$ 是mixture state ，即模式的线性组合，也就是变化阶段；

3. 最后根据观测值，使用维特比算法，从集合 S <script type="math/tex" id="MathJax-Element-858">S</script> 中寻找最合适的模式。

个人感觉：

1. 整体看下来，思想和语音识别系统 Sphinx 的思想类似，就是多加入了模型的线性组合。

2. 文章没有算法的实现细节，涉及算法实现的都是引用的别人论文，说具体内容请参考某文。

3. 斗胆将其定性为水文。