L'OEP pour le problème de l'apprentissage de Modèles de Markov ...
L'OEP pour le problème de l'apprentissage de Modèles de Markov ...
L'OEP pour le problème de l'apprentissage de Modèles de Markov ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Les Modè<strong>le</strong>s <strong>de</strong> <strong>Markov</strong> Cachés (MMC)<br />
L’apprentissage <strong>de</strong> MMC avec l’OEP<br />
Etu<strong>de</strong>s expérimenta<strong>le</strong>s<br />
Conclusion<br />
Les Modè<strong>le</strong>s <strong>de</strong> <strong>Markov</strong> Cachés (MMC)<br />
Forme la plus simp<strong>le</strong> <strong>de</strong> MMC : discret et en temps discret<br />
Outil mathématique permettant <strong>de</strong> modéliser une série temporel<strong>le</strong> par<br />
<strong>de</strong>ux processus stochastiques :<br />
un processus caché :<br />
modélise <strong>le</strong>s états (cachés) du système<br />
c’est une chaîne <strong>de</strong> <strong>Markov</strong><br />
L’apparition d’un état ne dépend que <strong>de</strong> l’état précédant<br />
un processus observé :<br />
modélise l’émission <strong>de</strong> symbo<strong>le</strong>s observés<br />
dépendant du processus caché<br />
L’émission d’un symbo<strong>le</strong> ne dépend que <strong>de</strong> l’état courant<br />
Paramètres :<br />
Π : probabilités initia<strong>le</strong>s <strong>de</strong>s états cachés<br />
A : probabilités <strong>de</strong> transition entre états cachés<br />
B : probabilités d’émission <strong>de</strong>s symbo<strong>le</strong>s par rapport aux états cachés<br />
S. Aupetit et al L’OEP <strong>pour</strong> <strong>le</strong> problème <strong>de</strong> l’apprentissage <strong>de</strong> MMC 4 / 22
Change language