Thực đơn
Mô_hình_Markov_ẩn Sử dụng các mô hình MarkovCó ba vấn đề cơ bản để giải quyết bằng HMM:
Giả sử tôi có một người bạn sống ở rất xa. Hàng ngày chúng tôi gọi điện thoại cho nhau và anh ta kể cho tôi nghe anh ta đã làm gì trong ngày. Người bạn tôi chỉ có 3 công việc mà anh thích làm là 1) đi dạo, 2) đi chợ và 3) dọn phòng. Hiển nhiên là sự lựa chọn phải làm gì thì phụ thuộc trực tiếp vào thời tiết hôm đấy thế nào. Như vậy, tôi không nhận được thông tin cụ thể về thời tiết nơi anh bạn tôi sống nhưng tôi lại biết về xu hướng chung. Dựa vào lời kể của công việc hàng ngày của anh ta, tôi có thể đoán về thời tiết hôm đó.
Như vậy, thời tiết được vận hành như một chuỗi Markov cụ thể. Có 2 trạng thái thời tiết, "Mưa" và "Nắng", nhưng tôi không quan sát trực tiếp, do đó, chúng là ẩn đối với tôi. Vào mỗi ngày, anh bạn tôi sẽ làm một trong các việc sau phụ thuộc vào thời tiết hôm đó là "đi dạo", "đi chợ" và "dọn phòng". Vì anh bạn tôi đã tường thuật lại hoạt động của mình, đó là các dữ liệu quan sát. Toàn bộ hệ thống này là một mô hình Markov ẩn (HMM).
Tôi biết được xu hướng thời tiết nói chung và tôi cũng biết bạn tôi thường thích làm gì. Nói cách khác, các thông số của HMM đã biết. Thực tế, chúng ta có thể mô tả điều này bằng ngôn ngữ lập trình Python:
trạng thái = ('Mưa', 'Nắng')dữ liệu quan sát = ('đi dạo', 'đi chợ', 'dọn phòng')khả_năng_ban_đầu = {'Mưa': 0.6, 'Nắng': 0.4}khả_năng_chuyển_dịch = { 'Mưa' : {'Mưa': 0.7, 'Nắng': 0.3}, 'Nắn' : {'Mưa': 0.4, 'Nắng': 0.6}, }khả_năng_loại_bỏ = { 'Mưa' : {'đi dạo': 0.1, 'đi chợ': 0.4, 'dọn phòng': 0.5}, 'Nắng' : {'đi dạo': 0.6, 'đi chợ': 0.3, 'dọn phòng': 0.1}, }
Trong đoạn câu lệnh trên, khả_năng_ban_đầu
cho thấy tôi không chắc về trạng thái HMM khi người bạn đầu tiên gọi điện cho tôi (tất cả cái tôi biết là trời có vẻ mưa). khả_năng_chuyển_dịch
cho thấy những thay đổi về thời tiết trong chuỗi Markov. Trong ví dụ này, chỉ có 30% khả năng ngày mai trời sẽ nắng nếu hôm nay trời mưa. Khả_năng_loại_bỏ
cho thấy anh bạn thích làm những việc gì mỗi ngày. Nếu trời mưa thì có đến 50% khả năng anh bạn này sẽ dọn phòng, trong khi trời nắng thì 60% khả năng anh ta sẽ đi dạo.
Ví dụ này được xem xét tỉ mỉ hơn trong trang thuật toán Viterbi
Thực đơn
Mô_hình_Markov_ẩn Sử dụng các mô hình MarkovLiên quan
Mô hình kinh doanh Mô hình OSI Mô hình màu RGB Mô hình siêu cá nhân hóa Mô hình tổng cầu và tổng cung Mô hình Ponzi Mô hình Chuẩn Mô hình Black–Scholes Mô hình hóa 3D Mô hình toán họcTài liệu tham khảo
WikiPedia: Mô_hình_Markov_ẩn http://citeseer.nj.nec.com/seymore99learning.html http://www.cs.brown.edu/research/ai/dynamics/tutor... http://www.ai.mit.edu/~murphyk/Software/HMM/hmm.ht... http://www.caip.rutgers.edu/~lrr/Reprints/tutorial... http://www.ghmm.org http://bioinformatics.oxfordjournals.org/cgi/conte... http://www.comp.leeds.ac.uk/roger/HiddenMarkovMode...