Forward-Backward算法作HMM的Inference
马尔可夫链的三个基本问题 1.已知一个序列，他的likelihood是什么样的。（使用前向算法） 2.求解一个最好的状态链（Viterbi算法） 3.优化或者从新估计这个HMM，好比从新估计发散矩阵和转换矩阵（Baum-Welch算法）web F/B算法是一个求解HMM的重要算法，它是动态规划（Dynamic programming, 这个名字的翻译有点意思）的重要一种。 F/B前提：假设发散几率
相关文章
- 1. HMM算法总结
- 2. HMM算法-解码问题
- 3. HMM模型和Viterbi算法
- 4. HMM维特比算法
- 5. HMM-前向后向算法
- 6. HMM——前向后向算法
- 7. Viterbi算法及在HMM中的应用
- 8. 算法强化 —— HMM模型(一)
- 9. 隐马尔科夫HMM 算法
- 10. HMM 前向后向算法（转）
- 更多相关文章...
- • Spring中Bean的作用域 - Spring教程
- • MyBatis的工作原理 - MyBatis教程
- • 算法总结-广度优先算法
- • 算法总结-深度优先算法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. HMM算法总结
- 2. HMM算法-解码问题
- 3. HMM模型和Viterbi算法
- 4. HMM维特比算法
- 5. HMM-前向后向算法
- 6. HMM——前向后向算法
- 7. Viterbi算法及在HMM中的应用
- 8. 算法强化 —— HMM模型(一)
- 9. 隐马尔科夫HMM 算法
- 10. HMM 前向后向算法（转）