隠れマルコフモデルの問題の例？

私はかなり隠れたマルコフモデルを読み、自分でかなり基本的なバージョンをコーディングすることができました。

しかし、私が学ぶように思える2つの主な方法があります。1つはそれを読み取ってコードに実装し（完了）、2つ目はさまざまな状況でそれがどのように適用されるかを理解することです（そのため、作業中の問題にどのように関連するかをよりよく理解できます）。これまでに行ったすべての例には、何らかのDNA予測またはコイン投げが含まれています。

他のマルコフ問題を得るためのリソースがあるかどうか疑問に思っています（言語は問題ではありませんが、うまくいけば答えもあるので、私が正しいか間違っているかを知ることができます）？

HMMを需要/在庫レベルの推定シナリオで使用しました。このシナリオでは、商品の在庫が不足しているかどうかに関係なく、多くの店舗から商品を購入しました。したがって、これらのアイテムの毎日の需要のシーケンスには、正当なゼロ需要日であるゼロと、店舗が在庫切れだったためにゼロが含まれていました。店舗が在庫レベルから在庫切れであるかどうかはわかっていると思いますが、在庫レコードのエラーが伝播し、手持ちのアイテムの数がプラスであると考えている店舗を見つけることは珍しくありませんが、実際にはなし; 隠された状態は、多かれ少なかれ、店舗に実際に在庫があるかどうかであり、信号は（日次需要、名目在庫レベル）です。ただし、この作業に関する参照はありません。競争上の理由で結果を公開することは想定されていませんでした。

編集：需要がゼロの場合、店舗の名目上の手持ち在庫が減少して注文ポイントを超えないため、これは特に重要であると付け加えます。これにより、より多くの在庫の注文がトリガーされます。誤った在庫レコードは、誰かが何かがおかしいことに気付くか、サイクルカウントが発生するまで（問題が発生してから数か月後になるまで）、長い間修正されません。

私はほとんど同じことを経験し、天気を超えて多くを見つけませんでした。頭に浮かぶ領域には、音声認識、変化点検出、テキスト内の音声のタグ付け、重複するアイテム/テキストの整列、手話の認識などがあります。

私が見つけて調査した例の1つは、この概要のセクション8にあります。これは、WikipediaのHMMのリファレンスの1つです。（実際にはかなり楽しいです。分析により母音と子音があることがわかります。）これは、テキストコーパスの操作にも役立ちます。これは便利です。

（HMMでの生成を使用したい場合は、シェークスピアのテキストをトレーニングしてから、フェイクシェークスピアを生成できます。）

ほとんどの音声認識ソフトウェアは、隠れマルコフモデルを使用しています。HMMアプリケーションの感触を取得したい場合は、自然言語処理を試すことができます。

ここに良いソースがあります：KollerとFriedmanによる確率的グラフィカルモデル。

隠れマルコフモデルは、HIVの監視に非常に役立ちます。HIVは血流に入り、免疫応答細胞を探します。次に、細胞のタンパク質含有量の上に位置し、細胞のコアに入り、細胞のDNA含有量を変化させ、細胞から破裂するまでビリオンの増殖を開始します。これらのすべての段階は観察不能であり、潜在と呼ばれます。隠れマルコフモデリングの理想的な例。

私にとって、HMMの非常に素晴らしいアプリケーションは、作曲におけるコード識別です。たとえば、この講義を参照してください。

マルコフモデルは、ユーザーとウェブサイトとのインタラクションを分析するのに役立つ場合があります。たとえば、Amazon.comで、一連のインタラクションが将来の推奨事項を提供するためのチェックアウトにつながるかどうかを調べます。

マルコフモデルの使用を示す楽しい例は次のとおりです。

http://freakonometrics.blog.free.fr/index.php?post/2011/12/20/Basic-on-Markov-Chain-(for-parents）