Hidden Markov Models (HMM's) y aplicaciones

La intención principal de este trabajo de monografía es dar a conocer una maquina de aprendizaje existente desde hace algunos años , conocida como Cadenas Ocultas de Markov (HMM: Hidden Markov Models), mostrando su estructura matemática, componentes y naturaleza aplicativa con el fin de conocer el tipo de información, el método de procesamiento y las tareas que puede resolver. Como atractivo principal del documento, está el de identificar los elementos teóricos de un HMM dentro de un conjunto de aplicaciones reales ya implementadas por algunos científicos. Se describen por lo tanto 4 aplicaciones de diferentes naturalezas para visualizar el alcance de implementación de estas maquinas. Entre las aplicaciones seleccionadas están; el reconocimiento de voz, reconocimiento de lugares con robots móviles, técnicas predictivas para el mantenimiento de equipos y por último, aprendizaje y reconocimiento de patrones de movimiento corporal en seres humanos como método de interacción hombre-máquina. Se hace un acercamiento a las herramientas informáticas disponibles en la WEB que poseen algoritmos de entrenamiento, generación y prueba en HMM´s. Entre ellos se muestra como ejemplo general, un diagrama del procedimiento de entrenamiento de una HMM para observaciones continuas compuestos de múltiples mixturas gausianas de un algoritmo contenido en el toolbox de MATLAB, HMM_mat.

• Fecha de publicación: 2008
• Institución: Universidad Tecnológica de Bolívar
• Repositorio: Repositorio Institucional UTB
• Idioma: spa
• OAI Identifier: oai:repositorio.utb.edu.co:20.500.12585/1976
• Acceso en línea: https://hdl.handle.net/20.500.12585/1976
• Palabra clave: Procesos de Markov; Inteligencia artificial
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/