1 / 26

Hidden Markov Models

Hidden Markov Models. 張智星 jang@mirlab.org http://mirlab.org/jang 多媒體資訊檢索實驗室 台灣大學 資訊工程系. Hidden Markov Models (HMM). 目標 以統計的方式來建立每個類別的（動態）機率模型 此種模型特別適用於長度不固定的輸入向量 特性 常用於語者無關的大字彙語音辨識系統 分類 DHMM: Discrete HMM CHMM: Continuous HMM. HMM 模型的基本概念. 數字「九」的模型：. 0.7. 0.8. 1.0. 0.3. 0.2.

iokina
Télécharger la présentation

Hidden Markov Models

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Hidden Markov Models 張智星 jang@mirlab.org http://mirlab.org/jang 多媒體資訊檢索實驗室 台灣大學 資訊工程系

  2. Hidden Markov Models (HMM) • 目標 • 以統計的方式來建立每個類別的（動態）機率模型 • 此種模型特別適用於長度不固定的輸入向量 • 特性 • 常用於語者無關的大字彙語音辨識系統 • 分類 • DHMM: Discrete HMM • CHMM: Continuous HMM

  3. HMM 模型的基本概念 • 數字「九」的模型： 0.7 0.8 1.0 0.3 0.2 s2 s3 s1 ㄐ ㄧ ㄡ Frames

  4. Basic Concept of HMM • HMM for the pronunciation “four” 0.9 0.6 0.8 0.9 1.0 sil f ao r sil 0.2 0.1 0.4 0.1 Frames:

  5. HMM 相關參數 • 數字「九」的 HMM 模型的相關參數 • Transition Probability A: A(i,j)是從state i 跳到 state j 的機率 • State Probability B: B(i,j)是 frame i 隸屬於 state j 的機率 0.7 0.8 1.0 0.3 0.2 s2 s3 s1 ㄐ ㄧ ㄡ

  6. Parameters of an HMM • Parmeters for HMM of “four” • Transition Probability A: A(i,j) is the probability of moving from states i to j • State Probability B: B(k,j) is the probability that token k comes from state j 0.9 0.6 0.8 0.9 1.0 sil f ao r sil 0.2 0.1 0.6 0.1 2 3 4 5 1

  7. HMM for Digit Recognition • Tasks: Recognition of the utterances of “0”,“1”, “2”, …, “9”. • Approach • Construct HMMs for “0”, “1”, …, “9” • Apply Viterbi Decoding to find the probability of an utterance with respect to each of the HMMs • HMM with the highest probability is the predicted digit

  8. 利用 HMM 進行辨識 • 以中文數字辨識為例 • 建立 0, 1, 2,…,9 各個數字的語音 HMM 模型（建立方法將在後面說明）。 • 利用 Viterbi Decoding 的方法，計算輸入語句和每個模型的相似度，機率最高者，即為辨識結果。 • 每一個音框的特徵向量都是39維的 MFCC。

  9. Viterbi Decoding • 目標 • 計算輸入語句和每個模型的相似度 • 找出如何分配音框至各個狀態，才能得到最大的機率值 0.7 0.8 1.0 0.3 0.2 s2 s3 s1 ㄐ ㄧ ㄡ Frames

  10. Viterbi Decoding • Compute the prob. of an utterance w.r.t. each HMM. • Find the best way of distributing frames into states such that the overall probability is maximized  DP 0.7 0.8 1.0 0.3 0.2 f ao r Frames:

  11. Viterbi Decoding • 方法：Dynamic programming j ㄡ States ㄧ i ㄐ Frames 遞迴算式（based on log prob.）： 路徑限制：

  12. Viterbi Decoding • Method: Dynamic programming j r States ao i f Frames Recurrence (based on log prob.): Local constraint:

  13. Viterbi Decoding • 有關於 B(k,j)的定義 • 在 DHMM，B(k,j)是由一個矩陣所定義，其中 音框i必須先代換成相對應的群聚 k = O(i) ，然後在經由查表得到音框i屬於狀態j的機率B(O(i),j)。 • 在 CHMM，音框i屬於狀態j的機率B(O(i),j)是由一個機率密度函數所定義，可寫成 pj(xi)，其中xi是第i個frame的特徵向量， pj(‧)則是第j個state的GMM函數。

  14. Parameter Estimation • 如何經由大量語料來估測每個HMM模型的最佳參數值 A 和 B 呢？ • 何謂最佳值：對某一個特定模型而言，最佳參數值 A 和 B 應能使語料產生最大的機率（Log prob.）總和 • 方法：Re-estimation • 非常類似 batch k-means (Forgy’s method)的方法，先猜 A 和 B 的值，再反覆進行 Viterbi decoding，然後再重新估算 A 和 B 的值，如此反覆逼近最佳值。

  15. Parameter Estimation • 對所有frame進行VQ，找出對應的symbol（此即為對應的中心點或codeword） • 先猜一組 A 和 B • 反覆進行下列兩步驟，直到收斂 • Viterbi decoding：利用 Viterbi decoding，找出最佳路徑 • Re-estimation：利用最佳路徑，重新估算 A 和 B

  16. Parameter Re-estimation for A • A for a single optimum path of an utterance: • A(1,1)=3/4, A(1,2)=1/4 • A(2,2)=4/5, A(2,3)=1/5 • A(3,3)=1 • The final A is based on all same-HMM utterances 3 States 2 1 Frames

  17. Parameter Re-estimation for B • B for a single optimum path of an utterance: • State 1: B(1,1)=1/4, B(2,1)=1/4, B(3,1)=2/4 • State 2: B(1,2)=3/5, B(2,2)=2/5 • State 3: B(2,3)=2/6, B(4,3)=4/6 • B(k,j)=B(O(i),j) • Rrame i is related to symbol k via k=O(i) • The final B is based on all same-HMM utterances 3 States 2 1 Frame indice 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Symbols k=O(i)

  18. Why It Works? • 假設我們的目標函數可以寫成 P(A,B,Path)，則上述求參數的方法會讓 P(A,B,Path)逐次遞增，直到收斂，因為： • 在 A, B 固定時，Viterbi decoding 會找出最佳的路徑並使 P(A,B,Path)有最大值 • 在路徑（Path）固定時，Re-estimation 會找出最佳的 A, B 值以使 P(A,B,Path)有最大值  Similar to k-means clustering!

  19. Why It Works? • Assume the overall probability is denoted by P(A,B,Path). Then the above procedure will increase P(A,B,Path) until convergence. • When A, B are fixed, Viterbi decoding will find the optimum paths to maximize P(A,B,Path) • When Path is fixed, the re-estimation will find the optimum A and B to maximize P(A,B,Path)

  20. Why Re-estimation of A Works? • 對任一個 state 而言，假設 • p: self-transition prob.（未知） • q: next-transition prob.（未知） • a: self-transition count（已知） • b: next-transition count（已知） • 則我們可以形成下列最佳化問題： • 利用算數平均數大於幾何平均數，我們可得到最佳參數值 p=a/(a+b), q=b/(a+b)

  21. Why Re-estimation of A Works? • For any givestate, assume • p: self-transition prob. (unknown) • q: next-transition prob. (unknown) • a: self-transition count (known) • b: next-transition count (known) • Maximizing P(A, B, Path) is reduced to • By using AM>=GM, we have the optimizing parameters: p=a/(a+b), q=b/(a+b)

  22. Why Re-estimation of B Works? • 對任一個 state 而言，假設 • State Prob: p1, p2, p3, p4（未知） • Symbol count: c1, c2, c3, c4（已知） • 則我們可以形成下列最佳化問題： • 利用算數平均數大於幾何平均數，我們可得到最佳參數值 p1=c1/(c1+c2+c3+c4), p2=c2/(c1+c2+c3+c4) , p3=c3/(c1+c2+c3+c4), p4=c4/(c1+c2+c3+c4)

  23. Why Re-estimation of B Works? • For any given state, assume • State Prob: p1, p2, p3, p4 (unknown) • Symbol count: c1, c2, c3, c4 (known) • Maximizing P(A, B, Path) is reduce to: • By using AM>=GM, we have the optimizing parameters: p1=c1/(c1+c2+c3+c4), p2=c2/(c1+c2+c3+c4) , p3=c3/(c1+c2+c3+c4), p4=c4/(c1+c2+c3+c4)

  24. Initial Values for A andB • Flat start: Use equal-divided paths to estimate A and B initially s2 s3 s1 Utterance 1 Utterance 2 Utterance 3

  25. A 和 B 的起始值 • 以均分的方法來估測 A 和 B 的起始值 s2 s3 s1 第1句「9」 第2句「9」 第3句「9」

  26. CHMM • 對於 CHMM 而言，B 的 re-estimation 改成使用 EM 的方法來求取 GMM 的最佳參數值，其餘均與 DHMM 相同。

More Related