【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)