使用隐马尔可夫模型设计AI mp3播放器

Question

我正在做一个任务，在那里我想为一个MP3播放器设计一个AI。 AI必须使用HMM方法进行训练和设计。

MP3播放器应具有适应其用户的功能，通过分析传入的生物传感器数据，从这些数据中，MP3播放器将为下一首歌曲选择一种流派。在作业中给出的是14个样本数据：

一个样本包括心率，呼吸，皮肤电导率，活动和最终的输出类型。以下是14个样本的数据，仅供您了解我即将谈论的内容。

 
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 

我关于HMM的工作时间是相当低的，所以我对你的问题是，如果我得到的赋值直角。

对于每个传感器，我有三种不同的状态：低，中，高。 两个观察/输出符号：摇滚，经典

在我个人看来，我认为我的起始概率是心率中低，中或高状态的加权因子。

因此，AI的理想解决方案是它将学习这14组样本。当收到用户传感器输入时，AI会将所有四个传感器的状态组合与已存储的样本进行比较。如果存在匹配组合，则AI将选择流派，如果不存在，则将根据加权转换概率选择流派，同时用新数据同时更新转换概率。

这是一个正确的方法，或者我错过了什么？是否有另一种方法来确定输出概率（阅读有关EM的最大似然估计，但不理解概念）？

此致敬礼卡斯珀

Answer 1

HMM听起来不错。您希望在训练HMM后使用Viterbi algorithm来从输入中找出最可能的输出。