バウム・ウェルチアルゴリズム

ウィキペディア

バウム＝ウェルチアルゴリズム

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2022/08/30 10:07 UTC 版)

バウム＝ウェルチアルゴリズム（英: Baum-Welch algorithm）とは、隠れマルコフモデル (HMM) の未知のパラメータを推定するアルゴリズムであり、音声や遺伝子などの系列データを解析するために使われる。フォワードバックワードアルゴリズムの一種である。名前の由来は Leonard E. Baum と Lloyd R. Welch。

概要

バウム＝ウェルチアルゴリズムは、一般化期待値最大化法 (GEM) である。HMMのパラメータ群（遷移確率と出力確率）について、訓練例の出力のみから最尤値と事後確率および最頻値の予測値を計算できる。

このアルゴリズムは以下の2段階から成る。

1. HMMの各状態について、前向き確率と後向き確率を計算する。
2. それに基づき、遷移-出力対の値の頻度を決定し、文字列全体の確率でそれを割る。これは特定の遷移-出力対の回数の期待値を計算することに相当する。特定の遷移が見つかる度に文字列全体の確率で割った遷移の商の値が上がっていき、それが遷移の新たな値となる。

参考文献

• L. E. Baum, T. Petrie, G. Soules, and N. Weiss, "A maximization technique occurring in the statistical analysis of probabilistic functions of Markov chains", Ann. Math. Statist., vol. 41, no. 1, pp. 164--171, 1970.
• Hidden Markov Models and the Baum-Welch Algorithm, IEEE Information Theory Society Newsletter, Dec. 2003.
• Comparing and Evaluating HMM Ensemble Training Algorithms Using Train and Test and Condition Number Criteria, Journal of Pattern Analysis and Applications, 2003.

関連項目

• ビタビアルゴリズム

外部リンク

• An Interactive Spreadsheet for Teaching the Forward-Backward Algorithm

ウィキペディア小見出し辞書

バウム・ウェルチアルゴリズム

出典: フリー百科事典『ウィキペディア（Wikipedia）』 (2021/07/07 09:52 UTC 版)

「隠れマルコフモデル」の記事における「バウム・ウェルチアルゴリズム」の解説

詳細は「バウム＝ウェルチアルゴリズム」を参照 バウム・ウェルチアルゴリズム（Baum-Welch algorithm）は、モデルが出力した系列からモデルパラメータを推定するアルゴリズムである。前向きアルゴリズム、後ろ向きアルゴリズム、EMアルゴリズムから構成される。前向きアルゴリズムおよび後ろ向きアルゴリズムは動的計画法の一種であり、ある時点で各状態にいる確率を求めるアルゴリズムである。