Im работает над назначением, где я хочу спроектировать AI для mp3-плеера. ИИ должен быть обучен и разработан с использованием метода HMM.Использование скрытой марковской модели для создания AI mp3-плеера
MP3-плеер должен иметь функциональность адаптации к своему пользователю, анализируя входящие данные биологических датчиков, и из этих данных mp3-плеер выберет жанр для следующей песни. В задании 14 образцов данных:
Один образец состоит из частоты сердечных сокращений, дыхания, проводимости кожи, активности и, наконец, жанра вывода. Ниже приведены 14 образцов данных, просто для того, чтобы вы могли понять, о чем они говорят.
Sample HR RSP SC Activity Genre S1 Medium Low High Low Rock S2 High Low Medium High Rock S3 High High Medium Low Classic S4 High Medium Low Medium Classic S5 Medium Medium Low Low Classic S6 Medium Low High High Rock S7 Medium High Medium Low Classic S8 High Medium High Low Rock S9 High High Low Low Classic S10 Medium Medium Medium Low Classic S11 Medium Medium High High Rock S12 Low Medium Medium High Classic S13 Medium High Low Low Classic S14 High Low Medium High Rock
Мое время работы относительно СММ является довольно низким, так что мой вопрос к вам, если я получил правильный угол на уступки.
У меня есть три разных состояния для каждого датчика: Низкий, Средний, Высокий. Два символа наблюдения/вывода: Рок, классический
По моему мнению, мои стартовые вероятности являются весомыми факторами для низкого, среднего или высокого состояния в частоте сердечных сокращений.
Таким образом, идеальным решением для ИИ является то, что он изучит эти 14 наборов образцов. И когда принимается вход датчика пользователя, ИИ будет сравнивать комбинацию состояний для всех четырех датчиков с уже запомненными образцами. Если существует соответствующая комбинация, ИИ выберет жанр, и если нет, то он выберет жанр в соответствии с взвешенными вероятностями перехода, одновременно увеличив вероятность перехода с новыми данными.
Правильно ли это подход, или я что-то упускаю? Есть ли другой способ определить вероятность выхода (прочитайте о максимальной оценке правдоподобия EM, но не понимаете концепцию)?
С уважением, Каспер
Хорошо спасибо. Я посмотрел на алгоритм Витерби, но с трудом использовал его на практике. Не могли бы вы привести пример того, как его использовать? –