← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9296.c · 生成模型:GPT-6

隐马尔科夫模型的变量方向

理解等级:中级

隐状态构成马尔科夫链,每个观测由当前位置隐状态的发射分布产生。初始向量为首个隐状态的概率,发射项为P(观测|隐状态),不是反过来的后验;原文以观察状态转成隐状态解释这两项,方向需要纠正。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      图4.7所示为隐马尔科夫模型。一个隐马尔科夫模型(HMM)由两组状态集合和三组概率集合构成。 图4.7 隐马尔科夫模型 ❑ 隐状态:系统的(真实)状态序列,可以由一个马尔科夫过程进行描述。 ❑ 状态转移矩阵:是隐状态空间,即马尔科夫状态空间

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第04章《NLP中的概率图模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00009.html) - 结论依据:摘录中关于隐马尔科夫模型的变量方向的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:图4.7所示为隐马尔科夫模型。一个隐马尔科夫模型(HMM)由两组状态集合和三组概率集合构成。 图4.7 隐马尔科夫模型 ❑ 隐状态:系统的(真实)状态序列,可以由一个马尔科夫过程进行描述。 ❑ 状态转移矩阵:是隐状态空间,即马尔科夫状态空间