文章目录
- 1 马尔科夫模型
- 1.1 马尔科夫过程
- 1.2 马尔科夫模型
- 1.3 马尔科夫例子
- 1.4 马尔科夫模型的组成
- 1.5 NLP中的应用举例
- 2 隐马尔科夫模型
- 2.1 先看一个例子
- 2.2 隐马尔科夫模型
- 2.3 HMM相关算法的分类
- 2.4 HMM涉及的三个基本问题
- 2.4.1 计算观测值序列的概率
马尔科夫模型的最初目标是为了语言上的应用。
随机过程是随时间而随机变化的过程。马尔科夫过程描述了一类重要的随机过程,如下:
1 马尔科夫模型
1.1 马尔科夫过程
1.2 马尔科夫模型
1.3 马尔科夫例子
1.4 马尔科夫模型的组成
1.5 NLP中的应用举例
2 隐马尔科夫模型
2.1 先看一个例子
比如,隐含状态链有可能是:
2.2 隐马尔科夫模型
2.3 HMM相关算法的分类
HMM相关算法的目标是估计缺失的信息。HMM相关算法分为三类,相对应地,解决三种问题。
2.4 HMM涉及的三个基本问题
2.4.1 计算观测值序列的概率
下面以第一个问题,即【评估】问题来举例介绍详细过程:
第35页开始
采用动态规划方法降低复杂度
动态规划
前向算法
后向算法
前向算法和后向算法相结合
Viterbi算法
最优路径求解问题
维特比变量
反向指针
示例
HMM的参数估计
EM算法
用于HMM参数估计的Baum-Welch算法
参数值的初始化