hmmtrain.m지난번에 이어서 계속
Hidden Markov Models 리뷰
확률적으로 추론하는데 많이사용 날씨, 증권, 주식등에 사용
시간적으로 변화하는 패턴에 적절하다. 음성인식도 시간적 변화이므로 적당하다.
음성인식에서 사용할수 잇도록 3가지를 가정한다.
체인 : 바로 이전시간까지만 본다 1차 마코브모델
모든 출력확률이 직교 관게 (오소고날)
Q : states 상태 T(타임)과 다르다.
마코브로 만들수 있는 상태 가지수
A : 전이확률 <-- 학습을 해야 나온다. 처음에는 랜덤 값으로 훈련을 시킨다. 가장 높은 확률 값이 나올때까지 계속하는것( 훈련 tranning) 이것도 훈련을 해야 나온다.
관측열 : symbol화를 한다. VQ를 이용해서
B : 출력확률 훈력을 해야나온다. (output)
특수상태 스타트 파이날
Bakis network
주로 음성인식에서 사용 left to right 왼쪽에서 오른쪽으로 간다. 과거로는 안간다. 그래서 음성에서
뒤로는 못간다. 앞으로만 간다.
Ergodic은 잘안써
훈련을 해야 나온다. A, B
출력에 나오는 것을 hidden state 라고 한다. <--
output 확률과 전이 확률을 알수 있다.
셤..
셤.. 3가지 ( ev, de, ..)
problem1 : likelihood 계산하기? 람다(에이, 비, 파이)
오래하면 확률값이 작아지므로 threshold값으로 끝내야한다.
Forwoard algorithm(중요하다.) 비터비<--
t순간에 존재하는 전체 확률
이전 상태에서 올수있는 모든 확률을 곱한다.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
기말고사.. 배운것들..
1. DTW 손으로 계산
2. VQ Kmeans 알고리즘 설명? 플로우챠트?
3. HMM 확률(likelihood. 계산 하는것 전이 확률 곱하기 출력 확률)
총 8문제 정도 출제 했음. 나머지는 보면 풀수 있음.
시험 인식 -> VQ, HMM, DTW 에서 나옴
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
forward , 백워드, 비터비 알고리즘 -> 훈련 반복해서 확률값을 만들어 낸다.
전이확률과 출력 확률을 만들기 위해 학습을 한다. 같은 어휘의 다른패턴을 가지고서
발성속도와 음성 톤(높고 낮고)의 차이가 있다.
코드 부분 : 확률이 제일 커질때까 반복..
HMM의 파라미터인 람다를 최대로
포워드 알고리즘
알 티 오브 제이 . 제일큰걸찾아 - 수식중에서
Viterbi(비터비)
이동가능한 모든 패스에 대한 확률값을 계산한다.
A, B, 코드 워드를 이용해서 계산 가장 큰값이 출력값으로 나간다
DTW처럼 주대각 방향으로 이동하게 된다? 값이 가장 큰 곳을 찾아간다.(DTW와의 차이점)
Lexicon 테이블을 이용?
Evaluation 문제 (셤)
변동폭이 큰음성을 정규화 하는 것(학습)
코드와 수식을 매칭 시켜가면서 공부하세요~
음성인식 쉬운게 아님~ ㅋ
댓글 없음:
댓글 쓰기