我如何用Baum-Welch训练HMM并进行多次观察？

Question

我在理解Baum-Welch算法的确切工作方式时遇到了一些问题。我读到它调整了HMM的参数（过渡和发射概率），以便最大化给定模型可以看到我的观察序列的概率。

然而，如果我有多个观察序列会怎么样？我想训练我的HMM反对大量的观察（我认为这是通常做的）。

例如，

ghmm 可以同时采用{​​{1}}方法的单个观察序列和一整套观察结果。

两种情况下都一样吗？或者算法是否必须同时知道所有观察结果？

Answer 1

在Rabiner的paper中，使用以下等式在Baum-Welch算法中重新估计GMM的参数（权重，均值和协方差）：

这些只是针对单个观察序列的情况。在多种情况下，分子和分母只是对所有观察序列求和，然后除以得到参数。 （这可以完成，因为它们只是代表职业数量，见文件第273页）

因此，在调用算法期间不需要知道所有观察序列。例如，HTK中的 HERest 工具有一种机制，允许在多台机器之间拆分训练数据。每台机器计算分子和分母并将它们转储到文件中。最后，一台机器读取这些文件，汇总分子和分母并将它们分开以得到结果。见pg。 HTK第v3.4页的第129页