Das Hidden-Markov-Modell: Zufallsprozesse Mit Verborgenen Zustnden Und Ihre Wahrscheinlichkeitstheoretischen Grundlagen
Cet essentiel est centré sur une introduction à un modèle statistique bien connu, le modèle de Markov caché.
Celui-ci permet de résoudre des problèmes dans lesquels la description la plus probable d'un état doit être déduite d'une série d'observations. Les applications du modèle de Markov caché se trouvent principalement dans les domaines de la bio-informatique, de la linguistique informatique, de l'apprentissage automatique et du traitement du signal.
Dans ce livret, les deux problèmes centraux des HMM sont traités. Le problème de l'inférence est résolu à l'aide du célèbre algorithme de Viterbi, et le problème de l'estimation des paramètres est abordé à l'aide de deux méthodes bien connues (maximisation de l'espérance et Baum-Welch).
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)