Spisu treści:
Definicja - Co oznacza Hidden Markov Model (HMM)?
Ukryty model Markowa (HMM) jest rodzajem modelu statystycznego będącym odmianą łańcucha Markowa. W ukrytym modelu Markowa istnieją stany „ukryte” lub nieobserwowane, w przeciwieństwie do standardowego łańcucha Markowa, w którym wszystkie stany są widoczne dla obserwatora. Ukryte modele Markowa służą do uczenia maszynowego i eksploracji danych, w tym mowy, pisma ręcznego i rozpoznawania gestów.
Techopedia wyjaśnia Hidden Markov Model (HMM)
Ukryty model Markowa został opracowany przez matematyka LE Bauma i jego współpracowników w latach 60. Podobnie jak popularny łańcuch Markowa, ukryty model Markowa próbuje przewidzieć przyszły stan zmiennej z wykorzystaniem prawdopodobieństw opartych na obecnym i przeszłym stanie. Kluczową różnicą między łańcuchem Markowa a ukrytym modelem Markowa jest to, że stan w tym ostatnim nie jest bezpośrednio widoczny dla obserwatora, nawet jeśli dane wyjściowe są.
Ukryte modele Markowa służą do uczenia maszynowego i eksploracji danych. Niektóre z nich obejmują rozpoznawanie mowy, rozpoznawanie pisma ręcznego, oznaczanie części mowy i bioinformatykę.
