숨겨진 마코프 모델의 다음 상태는 이전 한 상태에만 의존합니까? 이전 n 개 상태는 어떻습니까?

Question

저는 프로토 타입 프레임 워크를 만들고 있습니다.

는 기본적으로 나는 그에 대한 몇 가지 센서 데이터를 기반으로 각 개인의 라이프 스타일을위한 모델 또는 프로파일을 생성 할 필요가 등 GPS, 운동, 심장 박동, 주변 환경 측정, 온도

제안 된 모델로/그녀, 또는 프로파일은 개인의 라이프 스타일 패턴에 대한 지식 표현입니다. 가능성이있는 그래프 일 수도 있습니다.

이것을 구현하기 위해 숨겨진 마르코프 모델을 사용하려고합니다. HMM의 상태는 Working, Sleeping, Leisure, Sport 등이 될 수 있습니다. 관측은 다양한 센서 데이터의 집합이 될 수 있습니다.

HMM에 대한 나의 이해는 다음 상태 S (t)가 이전의 한 상태 S (t-1)에만 의존한다는 것입니다. 그러나 실제로, 사람의 활동은 이전 n 개의 국가에 달려 있습니다. HMM을 사용하는 것은 여전히 ​​좋은 생각입니까? 아니면 다른 적절한 모델을 사용해야합니까? Markov Chains의 2 차 및 다중 순서에 관한 작업을 보았습니다. 또한 HMM을 적용합니까?

자세한 설명을 보내 주시면 정말 고맙습니다.

감사합니다.

Answer 1

당신이 말하는 것은 모델에 이전 기록 상태에 대한 지식 만있는 1 차 HMM입니다. Order-n 마르코프 모델의 경우, 다음 상태는 이전의 'n'상태에 따라 달라질 수 있으며 이것이 올바른 것으로 판단 할 수 있습니까?

단순한 HMM이 고려되는 한 다음 상태는 현재 상태에만 의존한다는 것이 좋습니다. 그러나, 전환 확률을 in this link으로 정의하여 m 차 Order HMM을 얻을 수도 있습니다. 그러나 주문이 늘어남에 따라 매트릭스의 전체적인 복잡도가 높아 지므로 모델도 복잡해 지므로 문제를 해결하고 필요한 노력을 기꺼이 기울이면 기꺼이 할 수 있습니다.