【一】三大主要问题
- 在已知模型参数的条件下，基于观测值，反推出其背后的序列（Decode）
- 基于观测值，反推出模型的参数（EM）
- 计算出观测值序列的边缘概率
【二】经典例子
- 抛硬币（两枚不均衡硬币 A，B）
- POS 词性标注
- 语音识别
【三】3 个参数（A B π）
- A 是 状态转移矩阵
- B 是 生成概率矩阵。B 矩阵是基于离散型变量的，当输入的是连续性变量时，例如一段音频，需要用 GMM，高斯混合模型
- π 表示某个状态在 初始位置 的概率
【四】Viterbi（维特比算法）
【五】F / B Algorithm（Forward / Backward 算法）
- Forward Algorithm（可以用 动态规划 解决）
- Backward Algorithm（可以用 动态规划 解决）
