5 Markov Model

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