확률 괄호 표기와 마코프 연쇄 투사기

초록

본 논문은 확률 괄호 표기(PBN)를 도입하여 마코프 연쇄 투사기(MSP)를 정의하고, 이를 통해 동질 마코프 연쇄(HMC)의 진화식을 확장한다. 가시 마코프 모델(VMM)과 숨은 마코프 모델(HMM)의 전체 결합확률을 투사된 상태열과 관측 변환의 곱으로 표현하고, Viterbi 알고리즘을 이용한 Weather‑Stone 예제로 검증한다. 또한 PBN을 이용해 VMM, HMM, 팩터리얼 HMM을 통합적으로 기술하고, 확장 HMM 및 연속시간 모델까지 논의한다.

상세 분석

논문은 먼저 확률 괄호 표기(PBN)를 수학적 기호 체계로 제시한다. PBN은 사건 공간을 벡터 공간으로 보고, 확률을 내적 형태로 표현함으로써 양자역학의 브라‑켓 표기와 유사한 구조를 만든다. 이 틀 안에서 마코프 연쇄 투사기(MSP)는 상태 전이 행렬을 연속적인 투사 연산으로 전개하는 연산자로 정의된다. 기존의 HMC 진화식 pₙ = p₀ · Aⁿ을 MSP 형태로 풀어 쓰면, 각 시간 단계마다 상태 벡터에 전이 행렬을 투사하는 과정을 명시적으로 기술할 수 있다. 이는 시간에 따라 변하는 확률 기반을 시각화하고, 복합 모델에서의 상태 흐름을 추적하는 데 유리하다.

가시 마코프 모델(VMM)에서는 관측이 상태와 동일하므로, 전체 결합확률 P(q₀,…,q_T) = π_{q₀} · ∏{t=1}^{T} a{q_{t-1}q_t} 를 MSP에 직접 대입한다. 저자는 이를 “특정 투사된 마코프 상태열”이라고 부르며, VMM의 전형적인 날씨 예시를 통해 구체적으로 시연한다. 여기서 각 투사는 초기 분포와 전이 행렬의 곱으로 표현되며, 전체 확률은 투사 연산의 연쇄 결과와 동일함을 보인다.

숨은 마코프 모델(HMM)에서는 두 개의 확률 기저, 즉 숨은 상태 기저와 관측 기저가 순차 사건 공간에 존재한다. 저자는 숨은 상태열 q와 관측열 o를 각각 P‑basis로 정의하고, 전체 결합확률을 P(q)·P(o|q) 형태로 분해한다. 여기서 P(q)는 MSP에 의해 투사된 숨은 상태열의 확률이며, P(o|q) 는 관측 기저로의 변환 행렬(방출 행렬) B를 적용한 결과이다. 즉, HMM의 전체 확률은 “미지의 투사된 숨은 상태열”과 그 변환의 곱으로 완전하게 기술된다.

Viterbi 알고리즘을 Weather‑Stone 예제에 적용해 가장 가능성 높은 숨은 날씨 상태열을 추정하고, Elvira 소프트웨어로 결과를 검증한다. 실험 결과는 PBN 기반 MSP가 전통적인 베이즈 네트워크 구현과 일치함을 보여준다. 이어서 팩터리얼 HMM(다중 마코프 체인)의 경우, 각 체인에 대한 MSP를 독립적으로 정의하고, 전체 시스템은 텐서곱 형태의 전이 연산으로 결합한다. 이는 복합 시계열 모델을 일관된 수식 체계로 통합하는 강력한 도구가 된다.

논문은 또한 확장 HMM(피드백 루프 포함)과 연속시간 마코프 모델을 간략히 논의한다. 연속시간 경우 전이 행렬을 지수 행렬 exp(Qt) 로 대체하고, MSP는 미분 연산자를 포함하는 형태로 일반화된다. 이러한 확장은 동적 베이지안 네트워크(DBN) 전체를 포괄하는 통합 프레임워크를 제공한다는 점에서 의미가 크다. 전체적으로 저자는 PBN과 MSP를 통해 마코프 기반 모델들의 진화식과 결합확률을 일관된 기호 체계로 재정의하고, 이를 통해 모델 설계·분석·시뮬레이션 전 과정을 간소화한다는 중요한 통찰을 제시한다.