Quantification de l'incertitude sur la structure latente dans des modèles de Markov cachés - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2014

Quantification de l'incertitude sur la structure latente dans des modèles de Markov cachés

Abstract

Nous introduisons les modèles de Markov cachés graphiques, qui généralisent les chaînes et arbres de Markov cachés (CMCs et AMCs). Nous montrons comment l'incertitude globale sur le processus d'état caché peut être décomposée en une somme d'entropies conditionnelles, qui s'interprètent comme une contribution locale à l'incertitude globale. Nous donnons un algorithme efficace de calcul de ces entropies pour les CMCs et AMCs et montrons leur apport, en complément d'autres algorithmes de restauration des états, au diagnostic et à l'interprétation des états cachés. Nous montrons également que les profils classiques de probabilités lissées (loi marginale de l'état caché à chaque instant, sachant l'ensemble des observations), ne permet pas de conclure sur la contribution locale à l'incertitude globale.
Fichier principal
Vignette du fichier
jds2014_guedon.pdf (185.88 Ko) Télécharger le fichier
Origin : Files produced by the author(s)
Loading...

Dates and versions

hal-01058317 , version 1 (26-08-2014)

Identifiers

  • HAL Id : hal-01058317 , version 1
  • PRODINRA : 314095

Cite

Jean-Baptiste Durand, Yann Guédon. Quantification de l'incertitude sur la structure latente dans des modèles de Markov cachés. 46èmes Journées de Statistique, Société Française de Statistique (SFdS). FRA., Jun 2014, Rennes, France. ⟨hal-01058317⟩
452 View
109 Download

Share

Gmail Facebook X LinkedIn More