Factorial Fractional Hidden Markov Models

Abstract

Conventional hidden Markov models generally consist of a Markov chain observed through a linear map corrupted by additive Gaussian noise. A lesser known extension of this class of models, is the so called Factorial Hidden Model (FHMM). FHMM’s also have numerous applications, notably in machine learning and speech recognition. In this article we consider FHMM’s with additive fractional Gaussian noise in the observed process.

Общепринятые марковские модели скрытия информации представляют собой марковскую цепь, полученную с помощью линейного преобразования, искаженного аддитивным гауссовым шумом. Менее известным расширением этого класса моделей является так называемая факториальная модель скрытия информации (FHMM), которая также имеет множество приложений, в частности при обучении машин и распознaвании речи. Рассмотрены FHMM с аддитивным дробным гауссовым шумом в наблюдаемом процессе.

Загальновідомі марковські моделі приховування інформації являють собою ланцюг Маркова, отриманий за допомогою лінійного перетворення, викривленого адитивним гауссовим шумом. Меньше відомим розширенням цього класу моделей є так звана факторіальна модель приховування інформації (FHMM), яка також широко застосовується, наприклад, при навчанні машин и розпізнаванні мови. Розглянуто FHMM з адитивним дробовим гауссовим шумом у процесі, що спостерігається.