Innehållsförteckning:
Definition - Vad betyder Hidden Markov Model (HMM)?
En dold Markov-modell (HMM) är en typ av statistisk modell som är en variation på Markov-kedjan. I en dold Markov-modell finns det "dolda" tillstånd, eller obemärkt, i motsats till en standard Markov-kedja där alla tillstånd är synliga för observatören. Dolda Markov-modeller används för maskininlärning och uppgifter för gruvdrift inklusive tal, handskrift och gestigenkänning.
Techopedia förklarar Hidden Markov Model (HMM)
Den dolda Markov-modellen utvecklades av matematikern LE Baum och hans kollegor på 1960-talet. Liksom den populära Markov-kedjan försöker den dolda Markov-modellen att förutsäga det framtida tillståndet för en variabel med hjälp av sannolikheter baserat på nuvarande och tidigare tillstånd. Den viktigaste skillnaden mellan en Markov-kedja och den dolda Markov-modellen är att tillståndet i den senare inte är direkt synligt för en observatör, även om utgången är.
Dolda Markov-modeller används för maskininlärning och data mining-uppgifter. Några av dessa inkluderar taligenkänning, handskrivningsigenkänning, tal-taggning och bioinformatik.
