Скрытые марковские модели: принцип работы и применение
Краткое изложение авторской публикации врача в сообществе «Врачи РФ» от .
Автор материала объясняет, что скрытая марковская модель (СММ) позволяет оценивать скрытые состояния по наблюдаемым значениям. В примере материала погода — скрытое состояние (солнечно или дождливо), а прогулка, покупки и уборка — наблюдаемые действия друга. Автор описывает зависимость каждого состояния от предыдущего, а наблюдаемого значения — от скрытого состояния в тот же момент.
СММ применяют для распознавания речи, письма и движений, в биоинформатике, криптоанализе и машинном переводе. Баум опубликовал первые заметки о скрытых марковских моделях в 1960-х годах; в 1970-х модели использовали для распознавания речи, а с середины 1980-х — для анализа биологических последовательностей, включая ДНК. Для ускорения расчётов автор указывает процедуру прямого-обратного хода как альтернативу полному перебору скрытых последовательностей.
Главное
- Автор объясняет, что СММ позволяют оценивать скрытые состояния процесса по наблюдаемым значениям.
- СММ используют для распознавания речи, письма и движений, а также в биоинформатике, криптоанализе и машинном переводе.
- Баум опубликовал первые заметки о скрытых марковских моделях в 1960-х годах; в 1970-х их применили для распознавания речи.
- С середины 1980-х СММ применяют для анализа биологических последовательностей, включая ДНК.
Подготовлено автоматически с помощью ИИ, возможны неточности. Полный просмотр материала доступен только для медицинских специалистов с высшим медицинским образованием.
Войти Регистрация