Geri Dön

Hidden Markov models based on different dependency assumptions

Farklı bağımlılık varsayımlarına dayalı saklı Markov modelleri

PDF İndir

  1. Tez No: 662342
  2. Yazar: ÖZGÜR DANIŞMAN
  3. Danışmanlar: DOÇ. DR. UMAY ZEYNEP UZUNOĞLU KOÇER
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 129

Özet

Saklı Markov modelleri, saklı rastgele değişkenler içeren olasılıksal yapıları modellemede yaygın olarak kullanılmaktadır. Saklı Markov modellerinin temel varsayımı gözlemlerin koşullu bağımsız ve özdeş dağılıma sahip rastgele değişkenler olmalarıdır. Bu varsayımın pratikte geçerli olmayabileceği bazı durumlar olabilir. Yani, mevcut durumda üretilen bir gözlem, önceki durumda meydana gelen gözleme bağlı olabilir. Bu tezde, farklı birinci dereceden Markov bağımlılık varsayımlarına bağlı olarak klasik saklı Markov modelinden farklı iki tür saklı Markov modeli sunulmuştur. Sunulan modeller, ardışık gözlemler veya ardışık sistem bilgileri arasındaki olası birinci dereceden Markov bağımlılığı yakalayabilir. Eğer gözlemler arasında bazı koşullu bağımlılıklar varsa, bu modeller uygun gerçek hayat problemlerini daha iyi temsil edebilirler. Önerilen iki model, varsayımlarıyla ve uygun notasyon kullanılarak tanımlanmıştır. Parametre tahminleri ve durum zinciri tahminleri için kullanılan algoritmalarda yapılan modifikasyonlar açıklanmıştır. Ayrıca, sunulan modellerin klasik saklı Markov modeline göre performansını değerlendirmek için deneysel bir çalışma yapılmıştır. Deneysel çalışmanın sonuçlarına göre, sunulan modeller, uygun varsayımlara göre üretilen gözlem serilerinde daha iyi performans göstermektedir. Bunlara ek olarak, kuvvetli deprem oluşumları ve günlük hisse senedi fiyatları olmak üzere iki farklı vaka çalışması gerçekleştirilmiştir. Hem klasik saklı Markov modeli hem de sunulan modeller ile modellenerek sonuçlar karşılaştırılmıştır.

Özet (Çeviri)

Hidden Markov models are widely used to model the probabilistic structures with latent random variables. The main assumption of hidden Markov models is that; observations are conditionally independent and identically distributed random variables. There may exist some cases where this assumption may not be valid in practice. That is, an observation that occurs in the current state may depend on the previous observation symbol that occurred in the previous state. In this thesis, two types of hidden Markov models are introduced which differ from the classical hidden Markov model based on different first-order Markov dependence assumptions. The introduced models are capable of capturing a possible first-order Markov dependence between the successive observations or successive system informations. They can provide better representation for the appropriate real-life problems where, if the observations have some conditional dependencies among them. The two proposed models are defined with their assumptions and using appropriate notation. Modifications to the algorithms used for parameter estimates and hidden state sequence estimates are explained. In addition, an experimental study is conducted to show the performance of the introduced models compared to the classical hidden Markov model. According to the results of the experimental study, the proposed models outperform in generated observation sequences that have appropriate assumptions. Besides, two different case studies are conducted namely the occurrences of strong earthquakes and daily stock prices. They are modelled with both the classical hidden Markov model and the proposed models, and the results are compared.

Benzer Tezler

  1. Tez No

    474358

    Autoregressive forests for multivariate time-series modeling

    Çokdeğişkenli zaman serilerinin modellemesinde çokdeğişkenli ormanlar

    KEREM SİNAN TUNCEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Mühendislik BilimleriBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN

  2. Tez No

    143668

    Shape: Representation, description, similarity and recognition

    Şekil: Sunum, betimleme, benzerlik ve tanıma

    NAFİZ ARICA

    Doktora

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FATOŞ YARMAN VURAL

  3. Tez No

    270484

    Automatic analysis of head and facial gestures in video streams

    Video görüntülerinden kafa ve yüz mimiklerinin otomatik analizi

    HATİCE ÇINAR AKAKIN

    Doktora

    İngilizce

    İngilizce

    2010

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. BÜLENT SANKUR

  4. Tez No

    318602

    Development of a new state based prognostics method

    Seviye bazlı arıza öngörme yöntemi geliştirmesi

    ÖMER FARUK EKER

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. FATİH CAMCI

  5. Tez No

    338044

    Hedef takibi uygulamalarında tespit öncesi izleme yöntemi için yeni yaklaşımlar geliştirilmesi

    Development of novel approaches for track-before-detect techniques in target tracking applications

    SERDAR TUĞAÇ

    Doktora

    Türkçe

    Türkçe

    2013

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT EFE

Geri Dön