Indholdsfortegnelse:
Definition - Hvad betyder Hidden Markov Model (HMM)?
En skjult Markov-model (HMM) er en slags statistisk model, der er en variation på Markov-kæden. I en skjult Markov-model er der "skjulte" tilstande eller uobserveret i modsætning til en standard Markov-kæde, hvor alle tilstande er synlige for observatøren. Skjulte Markov-modeller bruges til maskinlæring og data mining-opgaver, herunder tale, håndskrift og gestusgenkendelse.
Techopedia forklarer Hidden Markov Model (HMM)
Den skjulte Markov-model blev udviklet af matematikeren LE Baum og hans kolleger i 1960'erne. Som den populære Markov-kæde forsøger den skjulte Markov-model at forudsige en variabels fremtidige tilstand ved hjælp af sandsynligheder baseret på den aktuelle og tidligere tilstand. Den vigtigste forskel mellem en Markov-kæde og den skjulte Markov-model er, at staten i sidstnævnte ikke er direkte synlig for en observatør, selvom output er.
Skjulte Markov-modeller bruges til maskinindlæring og data mining-opgaver. Nogle af disse inkluderer talegenkendelse, håndskriftgenkendelse, del-af-tale-tagging og bioinformatik.
