Modelo de Presentacion Feria Robotica Educativa 2024 - Versión3.pptx
[TrabajoFinMaster] Sistema de reconocimiento automático de eventos asociados con las actividades de la vida diaria
1. Grupo de Procesado de Datos y Simulación
ETSI de Telecomunicación
Universidad Politécnica de Madrid
Sistema de reconocimiento automático
de eventos asociados con las
actividades de la vida diaria
Diseño y evaluación
Josué Iglesias Álvarez
josue@grpss.ssr.upm.es
2. contenido de la presentación
introducción y motivación
modelos ocultos de Markov
fase de reconocimiento de actividades
modelos ocultos de Markov estratificados
fase de mejora de la estimación
evaluación y resultados
fase de gestión de alarmas
conclusiones y trabajos futuros
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 2 / 13 2
3. introducción y motivación
alzhéimer
• Afecta a un 10% de los mayores de 65 años, constituyendo
aproximadamente el 20% de las dependencias graves
• 29,8 millones de enfermos en 2008
• 81,1 millones en 2050
• 3.506 $/año/enfermo (principalmente relacionados con el desempeño de Actividades de la Vida Diaria)
envejecimiento de la población
prevalencia de la demencia para los mayores de 65 años
1950 2000 2030
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 3 / 13 3
4. el alzhéimer y las AVDs
DIAGNÓSTICO
o el alzhéimer se manifiesta inicialmente por una discreta alteración en la
ejecución normal de las actividades de la vida cotidiana
o indicadores formales sobre la realización de actividades de la vida diaria son
clave para ubicar al paciente en una u otra fase de la enfermedad
TERAPIA OCUPACIONAL
o el establecimiento y supervisión de una serie de secuencias de
tareas, acostumbrando al enfermo a que las realice siempre de la misma
manera, le permitirán desarrollar la orientación y saber qué es lo que ha hecho
ya y qué es lo siguiente que debe hacer
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 4 / 13 4
5. aplicación de la Inteligencia Ambiental
• diagnóstico
• inicial
• evolución
reconocimiento
automático de • monitorización
• control terapia
actividades • detección anomalías
(y detección de ‘anomalías’) • asistencia
• recordatorios
• generación de alarmas
modelos ocultos modelado
de Markov ontológico
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 5 / 13 5
6. modelos ocultos de Markov
• modelan explícitamente procesos aleatorios variables en el
tiempo
• modelan transiciones temporal del contexto (secuencias)
• 2 procesos:
• proceso de Markov no observado (estados ocultos)
• proceso observado (dependiente probabilísticamente del proceso oculto)
• evolucionan según
• πi: probabilidades a priori
• aij: probabilidades de transición entre estados ocultos
• bjk: probabilidades de emisión de símbolos observables
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 6 / 13 6
7. modelos ocultos de Markov
‘problemas clásicos’
• Problema de evaluación. Dado un HMM completo, con probabilidades de
transición aij, probabilidades de observación bjk y vector de probabilidades a priori
πi, calcular la probabilidad de que una secuencia de observables O haya sido
generada por ese HMM.
• Problema de decodificación. Dado un HMM completo, con probabilidades de
transición aij, probabilidades de observación bjk y vector de probabilidades iniciales
πi, y dada una secuencia de observables O, determinar la secuencia de estados
ocultos que con mayor probabilidad haya generado esa secuencia de observables.
• Problema de aprendizaje. Dada una serie de secuencias de observaciones de
entrenamiento Od, ajustar los parámetros (aij, bjk y πi) de un HMM de manera que
el modelo se adapte de forma óptima a estas secuencias.
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 7 / 13 7
8. fase de reconocimiento de actividades
entradas
1. localización simbólica del usuario (PDA) (6)
o entrada
o pasillo
o salón
o cocina
o dormitorio
o aseo
2. acción elemental (4)
o tumbado
o sentado
o parado
o caminando
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 8 / 13 8
9. estados empleados
diseñados a partir de las entradas
• localización → 6 posibles entradas
• acción elemental → x 4 posibles entradas
24 estados integrados
modelo del comportamiento
del usuario (πi, aij)
modelo de la calidad de las
estimaciones de entrada (bjk)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 9 / 13 9
10. topología de red
determinada por las transiciones posibles de las entradas
localización,
entrada
transiciones posibles tumbado
entrada entrada
parado sentado
entrada
6 estados caminando
24 estados salón
caminando
4 estados pasillo
caminando
acción elemental, pasillo
parado
pasillo
sentado
transiciones posibles
pasillo
tumbado
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 10 / 1310
11. topología de red
determinada por las transiciones posibles de las entradas
localización,
entrada
transiciones posibles tumbado
entrada entrada
parado sentado
entrada
6 estados caminando
24 estados salón
caminando
17 estados
4 estados pasillo
caminando
acción elemental, pasillo
parado
pasillo
sentado
transiciones posibles
pasillo
tumbado
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 11 / 1311
12. topología de red
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 12 / 1312
13. clasificación - modelado de actividades
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 13 / 1313
14. modelado de actividades
‘entrada→cocina’
entrada pasillo salón cocina
parado parado parado parado
cocina
sentado
entrada pasillo salón cocina
caminando caminando caminando caminando
‘actividad-cocina’
cocina
sentado
salón
caminando cocina
caminando
cocina
parado
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 14 / 1314
15. calidad de las entradas
bjk
modelo del
comportamiento
del usuario (πi, aij)
modelo de la
calidad de las
estimaciones de
entrada (bjk)
• probabilidad de acierto parametrizada (Pa)
• probabilidad de error equidistribuida
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 15 / 1315
16. clasificación - algoritmo evaluador
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 16 / 1316
17. modelos ocultos de Markov
‘problemas clásicos’
• Problema de evaluación. Dado un HMM completo, con probabilidades de
transición aij, probabilidades de observación bjk y vector de probabilidades a priori
πi, calcular la probabilidad de que una secuencia de observables O haya sido
generada por ese HMM.
• Problema de decodificación. Dado un HMM completo, con probabilidades de
transición aij, probabilidades de observación bjk y vector de probabilidades iniciales
πi, y dada una secuencia de observables O, determinar la secuencia de estados
ocultos que con mayor probabilidad haya generado esa secuencia de observables.
• Problema de aprendizaje. Dada una serie de secuencias de observaciones de
entrenamiento Od, ajustar los parámetros (aij, bjk y πi) de un HMM de manera que
el modelo se adapte de forma óptima a estas secuencias.
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 17 / 1317
18. algoritmo de avance
• función de avance
λ=(πi, aij, bjk)
expresión recursiva
• desarrollo
...
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 18 / 1318
19. clasificación markoviana
ALGORITMO SELECTOR
• máxima probabilidad
• definición de umbral
• distribución de probabilidad
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 19 / 1319
20. HMMs estratificados (=LHMMs)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 20 / 1320
21. ventajas de los LHMMs
1 LHMM de varios niveles ↔ estructura de clasificación basada en HMMs de un sólo nivel
(concatenando los distintos modelos de los distintos niveles)
• flexibilidad en la selección de entradas
– en general entradas(L) = salidas(L-1) pero ...
– permite integrar nuevas entradas → entradas(L) = salidas(L-1) + nuevasEntradas
• acceso a diferentes niveles de inferencia
– diferentes tipos de inferencias en cada nivel →
– permiten alimentar sistemas externos (o internos) con distintas necesidades de información inferida
• selección flexible de temporización
– diferentes frecuencias de muestreo
– diferentes tamaños de ventana
– diferentes desplazamientos de ventana
• entrenamiento desacoplado
– entrenamiento independiente de cada nivel de LHMM →
– actualización independiente de cada tipo de entradas
– p.ej. la modificación o ajuste de los sensores de bajo nivel en un sistema sensible al contexto únicamente requerirían el
reentrenamiento de los niveles más bajos del LHMM, manteniendo sin modificar ni reentrenar los niveles superiores
– presentan menos problemas de sobreentrenamiento (pues cada nivel se entrena con menos cantidad de datos)
– alcanzan el mismo rendimiento que con estructuras clásicas de un sólo nivel, pero con menos datos de entrenamiento
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 21 / 1321
22. estructura LHMM implementada
máxima probabilidad
entradas algoritmo de avance
salidas
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 22 / 1322
23. modelado de rutinas
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 23 / 1323
24. fase de mejora de la estimación
A B C A,A,A,C,C,... A,A,A,B,C,...
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 24 / 1324
25. fase de mejora de la estimación
entradas
1. localización simbólica del usuario (PDA) (6)
o entrada
o pasillo
o salón algoritmo de Viterbi enventanado
o cocina
o dormitorio
o aseo modelado de actividades
2. acción elemental (4)
o tumbado
o sentado
o parado
o caminando
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 25 / 1325
26. estados empleados
diseñados a partir de las entradas
• localización → 6 posibles entradas
• acción elemental → x 4 posibles entradas
24 estados integrados
modelo del comportamiento
del usuario (πi, aij)
modelo de la calidad de las
estimaciones de entrada (bjk)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 26 / 1326
27. topología de red
determinada por las transiciones posibles de las entradas
localización,
entrada
transiciones posibles tumbado
entrada entrada
parado sentado
entrada
6 estados caminando
24 estados salón
caminando
17 estados
4 estados pasillo
caminando
acción elemental, pasillo
parado
pasillo
sentado
transiciones posibles
pasillo
tumbado
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 27 / 1327
28. calidad de las entradas
bjk
modelo del
comportamiento
del usuario (πi, aij)
modelo de la
calidad de las
estimaciones de
entrada (bjk)
• probabilidad de acierto parametrizada (Pa)
• probabilidad de error equidistribuida
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 28 / 1328
29. topología de red
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 29 / 1329
30. fase de mejora de la estimación
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 30 / 1330
31. modelos ocultos de Markov
‘problemas clásicos’
• Problema de evaluación. Dado un HMM completo, con probabilidades de
transición aij, probabilidades de observación bjk y vector de probabilidades a priori
πi, calcular la probabilidad de que una secuencia de observables O haya sido
generada por ese HMM.
• Problema de decodificación. Dado un HMM completo, con probabilidades de
transición aij, probabilidades de observación bjk y vector de probabilidades iniciales
πi, y dada una secuencia de observables O, determinar la secuencia de estados
ocultos que con mayor probabilidad haya generado esa secuencia de observables.
• Problema de aprendizaje. Dada una serie de secuencias de observaciones de
entrenamiento Od, ajustar los parámetros (aij, bjk y πi) de un HMM de manera que
el modelo se adapte de forma óptima a estas secuencias.
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 31 / 1331
32. algoritmo de Viterbi
• se define la función δt(i): la probabilidad del mejor camino hasta el estado qt=Si
habiendo obtenido las t primeras observaciones
expresión recursiva
• desarrollo
...
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 32 / 1332
33. algoritmo de Viterbi
punteros de camino más probable
para conocer el estado qt tengo que saber antes el estado qt+1
este algoritmo requiere la secuencia completa de
observaciones
incompatible con nuestra aplicación (necesitamos
salidas en tiempo real)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 33 / 1333
34. algoritmo de Virterbi enventanado
o1 o2 ... ot q’1 q’2 ... q’t
o2 o3 ... ot+1 q’1 q’2 ... q’t
o3 o4 ... ot+2 q’1 q’2 ... q’t
. algoritmo .
. estándar de .
. Viterbi .
... ... ... ot+T q’1 q’2 ... q’t
q*1 q*2 q*3 ...
?
aij = 0
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 34 / 1334
35. algoritmo de Virterbi enventanado
o1 o2 ... ot q’1 q’2 ... q’t
=
o2 o3 ... ot+1 q’1 q’2 ... q’t
=
o3 o4 ... ot+2 q’1 q’2 ... q’t
. algoritmo .
. estándar de .
. Viterbi .
... ... ... ot+T q’1 q’2 ... q’t
retardo q*2 q*3 q*4 ...
d = tamañoVentana - 2
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 35 / 1335
36. mejora de la estimación - evaluación
sistemas de estimación de entrada fase de mejora de la estimación
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 36 / 1336
37. mejora de la estimación - evaluación
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 37 / 1337
38. reconocimiento de actividades - evaluación
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 38 / 1338
39. reconocimiento de actividades - evaluación
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 39 / 1339
40. reconocimiento de actividades - evaluación
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 40 / 1340
41. sistema integrado - evaluación
≠
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 41 / 1341
42. sistema integrado - evaluación
probabilidad de acierto / mejora introducida
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 42 / 1342
43. sistema integrado - evaluación
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 43 / 1343
44. sistema integrado - evaluación
SIN mejora introducida
mejora introducida
CON mejora introducida
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 44 / 1344
45. gestión de alarmas
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 45 / 1345
46. ontología de actividades (y restricciones)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 46 / 1346
47. ontología de actividades
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 47 / 1347
48. ontología de restricciones
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 48 / 1348
49. clasificación de actividades
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 49 / 1349
50. gestión de alarmas
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 50 / 1350
51. conclusiones y trabajos futuros
CORTO PLAZO
• acoplamiento de modelos en sistema integrado
• diseño de modelos realistas (proceso de aprendizaje)
• integración con subsistemas de entrada (no simulación)
• ampliación del tipo de entradas (mayor granularidad)
• extensión del modelado ontológico a otros bloques
MEDIO PLAZO
• desarrollo de niveles superiores de la jerarquía de LHMMs
• reconocimiento → predicción
• desarrollo sobre plataforma móvil
• interfaz gráfica de configuración/resultados
• etc.
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 51 / 1351
52. any question?
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 52 / 1352
53. algortimo de avance (detalle)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 53 / 1353
54. algortimo de Viterbi (detalle)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 54 / 1354
55. modelos ocultos de Markov
definición
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 55 / 1355
56. modelos ocultos de Markov
algunas características
• La transición a un estado futuro sólo depende del estado
actual
– HMM de primer orden:
– HMM de orden k:
• La probabilidad de transición entre estados es independiente
del instante de tiempo:
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 56 / 1356
57. modelado de actividades
‘entrada→cocina’
entrada pasillo salón cocina
parado parado parado parado
cocina
sentado
entrada pasillo salón cocina
caminando caminando caminando caminando
‘actividad-cocina’
cocina
sentado
salón
caminando cocina
caminando
cocina
parado
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 57 / 1357
58. modelado de actividades
‘entrada→cocina’ ‘actividad-cocina’
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 58 / 1358
59. posible ampliación – mayor granularidad
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 59 / 1359
60. algoritmo evaluador
planteamiento del problema
• Problema de evaluación. Dado un HMM completo, con probabilidades de
transición aij, probabilidades de observación bjk y vector de probabilidades a priori
πi, calcular la probabilidad de que una secuencia de observables O haya sido
generada por ese HMM.
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 60 / 1360
61. algoritmos de decodificación
planteamiento del problema
• Problema de decodificación. Dado un HMM completo, con probabilidades de
transición aij, probabilidades de observación bjk y vector de probabilidades iniciales πi,
y dada una secuencia de observables O, determinar la secuencia de estados ocultos
que con mayor probabilidad haya generado esa secuencia de observables.
?
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 61 / 1361
62. reconocimiento de actividades
[detalle de funcionamiento]
(memoria, página 109)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 62 / 1362
63. reconocimiento de actividades (con LHMM)
[ejemplo de funcionamiento]
(memoria, página 112)
Sistema de reconocimiento automáticoservices – CISTI 2008
Prototyping of context-aware mobile de actividades josue@grpss.ssr.upm.es
josue@grpss.ssr.upm.es 63 / 1363