Organisatorisches
Studienleistung
- Falsche Annotationenliste ->
annotations_in_use.split()verwenden - LOG mit low prob verwenden
Besprechung
- K = Gesamtanzahl der States
- T = Anzahl der Ergebnisstates
| T(1,j) | T(K,j) | |
|---|---|---|
| T(i,1) | ||
| T(i,T) |
T1:
- Jede Zelle speichert die Wahrscheinlichkeit vom wahrscheinlichsten Pfad
T2:
- Jede Zelle speichert den wahrscheinlichsten Pfad
Video Skript
Willkommen zur Präsentation der Lösung von Gruppe 6. Als Grundlage für unsere Implementierung des Viterbi Algortihmus verwenden wir Ihren zur Vergügung gestellten Code aus den vorherigen Übungsstunden. Zuerst erkläre ich wie sich die Variablen T1 und T2 nach jedem Durchlauf der inneren for-each-state Schleifen ändern und anschließend wird die Bedeutung des HMM-Taggings für die Aufgabenstellung erläutert.
In unserer Umsetzung steht die Variable V für T1 und path für T2, diese werden zu Beginn der Funktion definiert.
Die erste For-Each-State Schleife in Zeile 11 befüllt T1 mit den SART-State Wahrscheinlichkeiten und T2 mit den zugehörigen States.
In der For-Each-State Schleife beginnend in Zeile 37 werden die alten Elemente der T1 und T2 Tabellen durch die neuen Wahrscheinlichkeiten und States ersetzt, die der For-Each-State Schleife in Zeile 51 berechnet werden.
In der For-Each-State Schleife in Zeile 51 werden genau diese neuen Wahrscheinlichkeiten und States berechnet. In T1 werden die höchsten Wahrscheinlichkeiten gespeichert und in T2 die zugehörigen Statesequenzen.
Bedeutung In T1 werden die Wahrscheinlichkeiten und in T2 die zugehörigen States zu denen man von einer Observation wechseln kann gespeichert
HMM T1 und T2 zusammen bilden im HMM die Gesamtmengen aus denen die wahrscheinlichsten States für die derzeitige Observation gezogen werden. In T1 sind hierbei die Wahrscheilichkeiten (b1, b2…) und in T2 die dazugehörigen States (x1, x2…) gespeichert.