SlideShare a Scribd company logo
1 of 19
Modelos de Markov Problema de Entrenamiento ,[object Object],[object Object],Modelos de Markov Modelos de Markov Modelos de Markov
Describen un proceso de probabilidad el cual produce una secuencia de eventos simbólicos observables. Modelos ocultos de  Markov  HMM I
Se llaman ocultos debido a que hay procesos de probabilidad subyacente  que no son observables, directamente pero que afectan la secuencia de eventos generados Modelos   ocultos  de Markov HMM II “ En un modelo de  Markov  normal, el estado es visible directamente para el observador, por lo que las probabilidades de transición entre estados son los únicos parámetros” http://es.wikipedia.org/wiki/Análisis_de_Markov
Modelos   ocultos  de Markov HMM III Formalmente hablando, un modelo oculto de  Markov HMM (por sus siglas en  ingles )  está definido por: Φ=(A,B,π)‏ ,[object Object],[object Object],[object Object]
Los tres problemas de HMM ,[object Object],[object Object],[object Object],[object Object]
El problema del entrenamiento I ,[object Object],[object Object]
El problema del entrenamiento II Para la resolución de esta clase de problema existen actualmente tres algoritmos que son: ,[object Object],[object Object],[object Object]
Algoritmo EM Se utiliza para encontrar, en cada paso una estimación del conjunto de parámetros del modelo, para luego, tratar de maximizar la probabilidad de generación  de los datos de entrenamiento, de forma que la probabilidad asociada al nuevo modelo sea mayor o igual a la del modelo anterior
Algoritmo   Baum-Welch I
[object Object],[object Object],[object Object],Algorit mo  Baum -Welch II
[object Object],[object Object],Algorit mo  Baum -Welch III
Algoritmo Baum-Welch IV ,[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],Algoritmo Baum-Welch V
[object Object],[object Object],Algoritmo   Baum -Welch VI
[object Object],Algoritmo de Viterbi I
[object Object],[object Object],[object Object],[object Object],Algoritmo de Viterbi II
[object Object],[object Object],[object Object],Algoritmo de Viterbi III
Algoritmo  de Viterbi IV ,[object Object],[object Object]
Bibliografía ,[object Object],[object Object],[object Object],[object Object]

More Related Content

What's hot

100 ejercicios de estadistica resueltos
100 ejercicios de estadistica resueltos100 ejercicios de estadistica resueltos
100 ejercicios de estadistica resueltos
Luis Elias
 
Regresión lineal multiple autores grillet montaño rodríguez
Regresión lineal multiple  autores grillet montaño rodríguezRegresión lineal multiple  autores grillet montaño rodríguez
Regresión lineal multiple autores grillet montaño rodríguez
thomas669
 

What's hot (20)

100 ejercicios de estadistica resueltos
100 ejercicios de estadistica resueltos100 ejercicios de estadistica resueltos
100 ejercicios de estadistica resueltos
 
Medidas de incertidumbre, error relativo
Medidas de incertidumbre, error relativo Medidas de incertidumbre, error relativo
Medidas de incertidumbre, error relativo
 
T10 teorema bayes
T10 teorema bayesT10 teorema bayes
T10 teorema bayes
 
Teoría de conjuntos y teoría de probabilidad
Teoría de conjuntos y teoría de probabilidadTeoría de conjuntos y teoría de probabilidad
Teoría de conjuntos y teoría de probabilidad
 
Practica probabilidad
Practica probabilidadPractica probabilidad
Practica probabilidad
 
Act3 estadistica (1)
Act3 estadistica (1)Act3 estadistica (1)
Act3 estadistica (1)
 
Taller operaciones con conjuntos en estadística
Taller  operaciones con conjuntos en estadísticaTaller  operaciones con conjuntos en estadística
Taller operaciones con conjuntos en estadística
 
Derivada marzo2009
Derivada marzo2009Derivada marzo2009
Derivada marzo2009
 
Problemas resuelto-de-probabilidad
Problemas resuelto-de-probabilidadProblemas resuelto-de-probabilidad
Problemas resuelto-de-probabilidad
 
Estadistica
EstadisticaEstadistica
Estadistica
 
Composicion centesimal 2019
Composicion centesimal 2019Composicion centesimal 2019
Composicion centesimal 2019
 
Introduccion a las probabilidades (Estadística Inferencial)
Introduccion a las probabilidades (Estadística Inferencial)Introduccion a las probabilidades (Estadística Inferencial)
Introduccion a las probabilidades (Estadística Inferencial)
 
3) distribución hipergeométrica ejercicios
3) distribución hipergeométrica ejercicios3) distribución hipergeométrica ejercicios
3) distribución hipergeométrica ejercicios
 
ESTIMADORES DE REGRESIÓN
ESTIMADORES DE REGRESIÓNESTIMADORES DE REGRESIÓN
ESTIMADORES DE REGRESIÓN
 
Distribuciones de probalidad
Distribuciones de probalidadDistribuciones de probalidad
Distribuciones de probalidad
 
La crisis de 1999 - una visión en contexto
La crisis de 1999 - una visión en contextoLa crisis de 1999 - una visión en contexto
La crisis de 1999 - una visión en contexto
 
Regresión lineal multiple autores grillet montaño rodríguez
Regresión lineal multiple  autores grillet montaño rodríguezRegresión lineal multiple  autores grillet montaño rodríguez
Regresión lineal multiple autores grillet montaño rodríguez
 
Practica Maquina de Atwood
Practica Maquina de AtwoodPractica Maquina de Atwood
Practica Maquina de Atwood
 
Tarea 5 de probabilidad con respuestas
Tarea 5 de probabilidad con respuestasTarea 5 de probabilidad con respuestas
Tarea 5 de probabilidad con respuestas
 
Análisis de datos experimentales unidad i
Análisis de datos experimentales unidad iAnálisis de datos experimentales unidad i
Análisis de datos experimentales unidad i
 

Viewers also liked (12)

Modelos Ocultos De Markov
Modelos Ocultos De MarkovModelos Ocultos De Markov
Modelos Ocultos De Markov
 
Modelos Ocultos de Márkov presentación
Modelos Ocultos de Márkov presentaciónModelos Ocultos de Márkov presentación
Modelos Ocultos de Márkov presentación
 
Utilización de trifonemas como modelo acústico para el reconocimiento del habla
Utilización de trifonemas como modelo acústico para el reconocimiento del hablaUtilización de trifonemas como modelo acústico para el reconocimiento del habla
Utilización de trifonemas como modelo acústico para el reconocimiento del habla
 
Modelos Ocultos De Markov
Modelos Ocultos De MarkovModelos Ocultos De Markov
Modelos Ocultos De Markov
 
Reconocimiento de voz
Reconocimiento de vozReconocimiento de voz
Reconocimiento de voz
 
Modelos de Inteligencia Artificial
Modelos de Inteligencia ArtificialModelos de Inteligencia Artificial
Modelos de Inteligencia Artificial
 
Modelos empiricos de_estimacion
Modelos empiricos de_estimacionModelos empiricos de_estimacion
Modelos empiricos de_estimacion
 
Cadenas de markov
Cadenas de markovCadenas de markov
Cadenas de markov
 
Modelos estocásticos
Modelos estocásticosModelos estocásticos
Modelos estocásticos
 
Trabajo de modelo matematico
Trabajo de modelo matematicoTrabajo de modelo matematico
Trabajo de modelo matematico
 
Cadenas de markov
Cadenas de markovCadenas de markov
Cadenas de markov
 
Modelos matemáticos
Modelos matemáticosModelos matemáticos
Modelos matemáticos
 

Similar to Modelos Oculto de Markov - Problemas de entrenamiento

Simulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con PromodelSimulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con Promodel
Alvaro Gil
 
Taller2 lab stats_matlab
Taller2 lab stats_matlabTaller2 lab stats_matlab
Taller2 lab stats_matlab
Nar Dy
 
Algoritmos Voraces (Greedy)
Algoritmos Voraces (Greedy)Algoritmos Voraces (Greedy)
Algoritmos Voraces (Greedy)
luzenith_g
 
15894 pr cctica-3-introducciun-al-matlab-simulink
15894 pr cctica-3-introducciun-al-matlab-simulink15894 pr cctica-3-introducciun-al-matlab-simulink
15894 pr cctica-3-introducciun-al-matlab-simulink
Frank Arias Beltran
 
Definición de simulación
Definición de simulaciónDefinición de simulación
Definición de simulación
coquetalinda
 
Definición de simulación
Definición de simulaciónDefinición de simulación
Definición de simulación
coquetalinda
 
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdfAprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Gerard Alba
 
Simulacion monte carlo
Simulacion monte carloSimulacion monte carlo
Simulacion monte carlo
oscar7675
 

Similar to Modelos Oculto de Markov - Problemas de entrenamiento (20)

Modelización y simulación de sistemas de evacuación de edificaciones
Modelización y simulación de sistemas de evacuación de edificacionesModelización y simulación de sistemas de evacuación de edificaciones
Modelización y simulación de sistemas de evacuación de edificaciones
 
Post Del 2 Bibimwestre
Post Del 2 BibimwestrePost Del 2 Bibimwestre
Post Del 2 Bibimwestre
 
Post Del 2 Bibimwestre
Post Del 2 BibimwestrePost Del 2 Bibimwestre
Post Del 2 Bibimwestre
 
SimulacionSistemasDinamicos.pptx
SimulacionSistemasDinamicos.pptxSimulacionSistemasDinamicos.pptx
SimulacionSistemasDinamicos.pptx
 
Simulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con PromodelSimulación: Teoría y aplicaciones con Promodel
Simulación: Teoría y aplicaciones con Promodel
 
Taller2 lab stats_matlab
Taller2 lab stats_matlabTaller2 lab stats_matlab
Taller2 lab stats_matlab
 
Algoritmos Voraces (Greedy)
Algoritmos Voraces (Greedy)Algoritmos Voraces (Greedy)
Algoritmos Voraces (Greedy)
 
15894 pr cctica-3-introducciun-al-matlab-simulink
15894 pr cctica-3-introducciun-al-matlab-simulink15894 pr cctica-3-introducciun-al-matlab-simulink
15894 pr cctica-3-introducciun-al-matlab-simulink
 
Simulación marcok
Simulación marcokSimulación marcok
Simulación marcok
 
Definición de simulación
Definición de simulaciónDefinición de simulación
Definición de simulación
 
Definición de simulación
Definición de simulaciónDefinición de simulación
Definición de simulación
 
Monte carlo vía cadenas de
Monte carlo vía cadenas deMonte carlo vía cadenas de
Monte carlo vía cadenas de
 
131
131131
131
 
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdfAprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
 
2_LenguajeMATLAB
2_LenguajeMATLAB2_LenguajeMATLAB
2_LenguajeMATLAB
 
2ª unidad de algoritmo
2ª unidad de algoritmo2ª unidad de algoritmo
2ª unidad de algoritmo
 
Simulacion Mc
Simulacion McSimulacion Mc
Simulacion Mc
 
Simulacion monte carlo
Simulacion monte carloSimulacion monte carlo
Simulacion monte carlo
 
Simulacion mc
Simulacion mcSimulacion mc
Simulacion mc
 
Inteligencia artificial avanzada
Inteligencia artificial avanzadaInteligencia artificial avanzada
Inteligencia artificial avanzada
 

Modelos Oculto de Markov - Problemas de entrenamiento

  • 1.
  • 2. Describen un proceso de probabilidad el cual produce una secuencia de eventos simbólicos observables. Modelos ocultos de Markov HMM I
  • 3. Se llaman ocultos debido a que hay procesos de probabilidad subyacente que no son observables, directamente pero que afectan la secuencia de eventos generados Modelos ocultos de Markov HMM II “ En un modelo de Markov normal, el estado es visible directamente para el observador, por lo que las probabilidades de transición entre estados son los únicos parámetros” http://es.wikipedia.org/wiki/Análisis_de_Markov
  • 4.
  • 5.
  • 6.
  • 7.
  • 8. Algoritmo EM Se utiliza para encontrar, en cada paso una estimación del conjunto de parámetros del modelo, para luego, tratar de maximizar la probabilidad de generación de los datos de entrenamiento, de forma que la probabilidad asociada al nuevo modelo sea mayor o igual a la del modelo anterior
  • 9. Algoritmo Baum-Welch I
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.