22. Скрытые Марковские модели На каждом шаге система может перейти в новое скрытое состояние и как-то поменять значение наблюдаемой переменной (сменить наблюдаемое состояние) Время – дискретное. Общие сведения
23. Скрытые Марковские модели -Имеется матрица А [NxN] -Имеется матрица В [NxM] Скрытые состояния вероятностей возникновения каждого из наблюдаемых событий на каждом из скрытых состояний. вероятностей переходов между скрытыми состояниями. N M Наблюдаемые состояния Общие сведения
24. Скрытые Марковские модели Наиболее вероятная скрытая последовательность погоды ['Sunny', 'Rainy', 'Rainy', 'Sunny', 'Sunny'] Вероятность наблюдения при этом - 4 % Пусть Аня знает, что Ваня сначала гулял , потом ходил за покупками , потом убирался . ['walk', 'shop', 'clean‘,‘walk’,’walk’] пример
25.
26. Скрытые Марковские модели Внутреннее поведение скрыто Вход СММ Выход Выход ? Приложение к нашей задаче
Чуть сдвинуть к середине фрейм с Докладчиком и НР, немного увеличить шрифт этой надписи
Вверху и внизу «дырки» - растащить два абзаца, первый поднять, второй опустить. Точку – пункт списка – убрать. Мне кажется, здесь имеет смысл очертить круг рассматриваемых игр (что не тетрис )
немного поднять квадрат «игра», шрифт слова «игра» уменьшить; надпись «система комментирования» немного увеличить, выравнивание по центру (рамки)
Набл поведение – увеличить шрифт
Увеличить (жирным?) шрифт текста
поднять первый пункт к заголовку, опустить второй, чтобы уменьшились «дырки» вверху и внизу. Увеличить шрифт примеров систем и ссылок
Два последних абзаца чуть опустить от «задач»
Точку и дефис – списки – убрать, шрифт надписи чуть-чуть увеличить (большой контраст с формулировкой задачи)
В простейшем случае смысл таков: Входной вектор поступает на все нейроны слоя Кохонена, на котором выбирается один победитель. Каждый нейрон слоя Кохонена в свою очередь соединен со всеми входами другой нейросети с весами v . Таким образом во много раз ускоряется процесс обучения нейросети. Формулировку задачи сдвинуть влево, дефис убрать.
Это пояснение к концу предыдущего слайда. Т.е. нейросеть должна разбираться с выходной последовательностью системы и рассчитывать возможное дальнейшее поведение.
Снизу большая дыра – опустить всё кроме заголовка слайда.
По-моему, надо чуть опустить подзаголовок…
Пример про двух товарищей. P( набл. посл) - суммарная, по всем возможным цепочкам скрытых состояний?
Задачи для СММ
То есть мы рассматриваем нашу систему с точки зрения только её выходов, на которых учим СММ, которая должна разобраться в сложном поведении моделируемой системы. Всё равно, выход системы - основа для изменения СММ, то есть формальо – данные. Поставьте вход стрелку в СММ слева.
Рассказать про С«полу»ММ
Позволяет работать с непрерывными и зашумленными данными Наглядно представляет собой моделирование сложного поведения с несколькими уровнями абстракции Позволит по смыслу разделить наблюдения за разными объектами