使用隱馬爾可夫模型設計AI mp3播放器

Question

我正在做一個任務，在那裏我想爲一個MP3播放器設計一個AI。 AI必須使用HMM方法進行訓練和設計。

MP3播放器應具有適應其用戶的功能，通過分析傳入的生物傳感器數據，從這些數據中，MP3播放器將爲下一首歌曲選擇一種流派。在作業中給出的是14個樣本數據：

一個樣本包括心率，呼吸，皮膚電導率，活動和最終的輸出類型。以下是14個樣本的數據，僅供您瞭解我即將談論的內容。

 
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 

我關於HMM的工作時間是相當低的，所以我對你的問題是，如果我得到的賦值直角。

對於每個傳感器，我有三種不同的狀態：低，中，高。 兩個觀察/輸出符號：搖滾，經典

在我個人看來，我認爲我的起始概率是心率中低，中或高狀態的加權因子。

因此，AI的理想解決方案是它將學習這14組樣本。當收到用戶傳感器輸入時，AI會將所有四個傳感器的狀態組合與已存儲的樣本進行比較。如果存在匹配組合，則AI將選擇流派，如果不存在，則將根據加權轉換概率選擇流派，同時用新數據同時更新轉換概率。

這是一個正確的方法，或者我錯過了什麼？是否有另一種方法來確定輸出概率（閱讀有關EM的最大似然估計，但不理解概念）？

此致敬禮卡斯珀

Answer 1

HMM聽起來不錯。您希望在訓練HMM後使用Viterbi algorithm來從輸入中找出最可能的輸出。