Hidden Semi-Markov models : theory, algorithms and applications

مدل‌های نیمه مارکوف پنهان (HSMM) از مهم‌ترین مدل‌ها در حوزه هوش مصنوعی/یادگیری ماشین هستند. از زمانی که اولین HSMM در سال 1980 برای تشخیص ماشینی گفتار معرفی شد، سه HSMM دیگر با تعاریف مختلف از مدت زمان و توزیع مشاهده پیشنهاد شده است. این مدل‌ها دارای عبارات، الگوریتم‌ها، پیچیدگی‌های محاسباتی و حوزه‌های قابل‌اجرای متفاوتی هستند، بدون اینکه صریحاً اشکال قابل تعویض داشته باشند.

مدل‌های نیمه مارکوف پنهان: تئوری، الگوریتم‌ها و کاربردها یک رویکرد یکپارچه و بنیادی برای HSMM‌ها، از جمله HSMM‌های مختلف (مانند مدت زمان صریح) ارائه می‌کند. ، انتقال متغیر و زمان اقامت HSMM ها)، الگوریتم های استنتاج و تخمین، روش های پیاده سازی و نمونه های کاربردی. با پیشرفت‌های جدید و موضوعات نوظهور پیشرفته در ارتباط با HSMM، که با نمونه‌هایی برگرفته از پزشکی، مهندسی و علوم کامپیوتر ارائه شده‌اند، بیاموزید.

• درباره آخرین پیشرفت‌ها و موضوعات نوظهور در زمینه HSMMs
• شامل شرحی از برنامه‌های کاربردی در زمینه‌های مختلف از جمله، تشخیص فعالیت‌های انسانی، تشخیص دست‌نویس، شناسایی ترافیک شبکه و تشخیص ناهنجاری، و نقشه برداری مغزی MRI عملکردی است.
• نشان می‌دهد که چگونه تسلط بر تکنیک های اساسی مورد نیاز برای استفاده از HSMM و نحوه اعمال آنها.

Hidden semi-Markov models (HSMMs) are among the most important models in the area of artificial intelligence / machine learning. Since the first HSMM was introduced in 1980 for machine recognition of speech, three other HSMMs have been proposed, with various definitions of duration and observation distributions. Those models have different expressions, algorithms, computational complexities, and applicable areas, without explicitly interchangeable forms.

Hidden Semi-Markov Models: Theory, Algorithms and Applications provides a unified and foundational approach to HSMMs, including various HSMMs (such as the explicit duration, variable transition, and residential time of HSMMs), inference and estimation algorithms, implementation methods and application instances. Learn new developments and state-of-the-art emerging topics as they relate to HSMMs, presented with examples drawn from medicine, engineering and computer science.

• Discusses the latest developments and emerging topics in the field of HSMMs
• Includes a description of applications in various areas including, Human Activity Recognition, Handwriting Recognition, Network Traffic Characterization and Anomaly Detection, and Functional MRI Brain Mapping.
• Shows how to master the basic techniques needed for using HSMMs and how to apply them.