modelos estocasticos
Reconocimiento Sintactico de Formas
´
Modelos Estocasticos
2. Modelos Estoc´sticos:
a
2.1.
2.2.
2.3.
2.4.
Introducci´n: formalismo y propiedades
o
An´lisis Sint´ctico Estoc´stico:gram´ticas incontextuales
a
a
a
a
An´lisis Sint´ctico Estoc´stico Corrector de Errores
a
a
a
Aprendizaje de los modelos:
µ Estimaci´n de las distribuciones de probabilidad:
o
M´todoscl´sicos: Inside-outside y conteo de Viterbi
e
a
PrM (x)
Lenguaje estoc´stico
a
lenguaje car´cter´
a
ıstico.
φ : T ∗ −→ [0, 1]
funci´n estoc´stica computable:
o
a
i) x ∈ L=⇒ φ(x) = 0
M´todos heur´
e
ısticos: aprendizaje bayesiano
Aprendizaje mediante algoritmos de estimaci´n
o
∀x ∈ T ∗
ii) x ∈ L =⇒ 0 < φ(x) ≤ 1
µ Aprendizaje de la estructura:
M´todos caracterizables: Algoritmo de Sakakibara
e
∀x ∈ T ∗
iii)
Reconocimiento Sint´ctico de Formas
a
(L, φ) sobre el alfabeto T :
L ⊆ T∗
M´todos basados en un subconjunto dederivaciones
e
Estimaci´n basada en aprendizaje discriminativo
o
Jos´ Miguel Bened´ (2005-2006)
e
ı
Dada la observaci´n x ∈ T ∗ y un modelo estoc´stico M ; la probabilidad
o
a
de que elmodelo M describa la observaci´n x, es:
o
/
Modelos Estoc´sticos 1
a
x∈L φ(x)
=1
Jos´ Miguel Bened´ (2005-2006)
e
ı
Reconocimiento Sint´ctico de Formas
a
´
ModelosEstocasticos
Gram´ticas estoc´sticas:
a
a
Modelos Estoc´sticos 2
a
/
Modelos Estoc´sticos 4
a
´
´
Gramaticas estocasticas
Ejemplo
/
Dado el alfabeto T = {a, b}, se define L ={anbn | n ≥ 0}, con φ(x) = 0,
∀x ∈ L y φ(anbn) =
1
en! .
G = (N, T, P, S)
Pr : P →]0, 1]
φ(x) =
x∈L
0≤n≤∞
1
1
=
en! e
0≤n≤∞
1
1
= e=1
n! e
∀Ai ∈ N
Ge = (G, Pr)gram´tica caracter´
a
ıstica
probabilidades de las reglas:
Pr(rij ) = Pr(Ai → αj ) = Pr(Ai → αj | Ai)
Sea ni el n´mero de reglas con Ai como parte izquierda, entonces:
u
Teorema...
Regístrate para leer el documento completo.