隐马尔可夫模型，将分布作为可观察变量

Question

我目前正在开展一个项目，我的目标是将模型拟合到一系列观察到的数据点。这些数据点由概率向量组成。每个向量的广告值最多为 1。

例如

直觉上，我想到使用隐马尔可夫模型为我的数据创建一个模型，但是，在网上搜索了一下并没有找到任何有希望的东西之后，我不确定我观察到的变量是否可以用于学习它们的模型当前形式。

由于项目的性质，观察到的变量必须保持不变。因此，通过例如采用最高概率值并因此只有一次发射来修改观测变量的值并不是一种选择。

如果可能的话，我希望 HMM 通过输出每个时间步长的分布来重现时间序列。然后目标是从这个分布中采样。

我的问题是：

1. 是否可以调整 HMM 以处理我的输入并返回我想要的输出？

2. 有没有更可行的方法来解决我的困境？

（因为我已经在 HMM 方法上投入了一些时间，所以我很高兴听到有关我的第一个问题的任何建议！）

我研究了 HMM，但是我读过的所有示例和论文都为每个时间步发出了离散的单一值，这不是我正在寻找的解决方案。

Answer 1

欢迎来到SO。这主要是一个帮助解决编程问题的网站。高质量的问题通常包含一些代码。您的问题似乎不是关于编程，而是更多关于数学和算法，这并不是这里的主题。