fbpx
วิกิพีเดีย

แบบจำลองมาร์คอฟซ่อนเร้น

แบบจำลองมาร์คอฟซ่อนเร้น (อังกฤษ: Hidden Markov model (HMM)) เป็นแบบจำลองมาร์คอฟทางสถิติโดยมีสมมติฐานว่าระบบจำลองนั้นเกิดกระบวนการมาร์คอฟกับสถานะที่ยังไม่ได้สังเกตการณ์(ซ่อนอยู่) แบบจำลองมาร์คอฟซ่อนเร้นอาจมองง่ายๆว่าเป็นเครือข่ายแบบเบย์พลวัต นักวิทยาศาสตร์ที่อยู่เบื้องหลังการพัฒนาแบบจำลองนี้คือ ลีโอนาร์ด ดี. เบาม์ นักคณิตศาสตร์ชาวอเมริกันและเพื่อนร่วมงาน แบบจำลองนี้มีความคล้ายคลึงกับปัญหาการกรองไม่เชิงเส้นที่เหมาะที่สุดของรูสลาน แอล. สตราโคโนวิช นักวิทยาศาสตร์ชาวรัสเซีย

ในแบบจำลองมาร์คอฟอย่างง่ายนั้น ผู้สังเกต (observer) จะมองเห็นสถานะ (state) ได้โดยตรง ดังนั้นตัวแปรเดียวที่มีอยู่คือความน่าจะเป็นในการเปลี่ยนสถานะ แต่ในแบบจำลองมาร์คอฟซ่อนเร้น ผู้สังเกตไม่สามารถมองเห็นสถานะได้โดยตรง แต่จะมองเห็นผลลัพธ์ (output) ได้โดยผลลัพธ์ที่ออกมานั้นขึ้นอยู่กับสถานะ แต่ละสถานะก็มีการกระจายความน่าจะเป็นของผลลัพธ์ที่ไม่เหมือนกัน ดังนั้น ลำดับของผลลัพธ์ที่ได้จากแบบจำลองก็จะทำให้เราได้ข้อมูลเกี่ยวกับลำดับของสถานะได้เช่นกัน ทั้งนี้ คำว่า 'ซ่อนเร้น' นั้นหมายถึงลำดับของสถานะที่แบบจำลองผ่านไป ไม่ใช่ตัวแปรของแบบจำลอง แบบจำลองยังถูกเรียกว่าแบบจำลองมาร์คอฟ'ซ่อนเร้น'แม้ว่าตัวแปรเหล่านี้จะทราบแน่ชัดแล้ว

แบบจำลองมาร์คอฟซ่อนเร้นถูกนำไปใช้งานบ่อยครั้งในสาขาการเรียนรู้ของเครื่อง โดยเฉพาะการรู้จำแบบที่มีเวลามาเกี่ยวข้อง ไม่ว่าจะเป็นการรู้จำเสียงพูด การรู้จำลายมือ การรู้จำท่าทาง และชีวสารสนเทศศาสตร์

อ้างอิง

  1. Baum, L. E.; Petrie, T. (1966). "Statistical Inference for Probabilistic Functions of Finite State Markov Chains". The Annals of Mathematical Statistics. 37 (6): 1554–1563. doi:10.1214/aoms/1177699147. สืบค้นเมื่อ 28 November 2011.
  2. Stratonovich, R.L. (1960). "Conditional Markov Processes". Theory of Probability and its Applications. 5 (2): 156–178. doi:10.1137/1105015.

แบบจำลองมาร, คอฟซ, อนเร, งกฤษ, hidden, markov, model, เป, นแบบจำลองมาร, คอฟทางสถ, โดยม, สมมต, ฐานว, าระบบจำลองน, นเก, ดกระบวนการมาร, คอฟก, บสถานะท, งไม, ได, งเกตการณ, อนอย, อาจมองง, ายๆว, าเป, นเคร, อข, ายแบบเบย, พลว, กว, ทยาศาสตร, อย, เบ, องหล, งการพ, ฒนาแบบจ. aebbcalxngmarkhxfsxnern xngkvs Hidden Markov model HMM epnaebbcalxngmarkhxfthangsthitiodymismmtithanwarabbcalxngnnekidkrabwnkarmarkhxfkbsthanathiyngimidsngektkarn sxnxyu aebbcalxngmarkhxfsxnernxacmxngngaywaepnekhruxkhayaebbebyphlwt nkwithyasastrthixyuebuxnghlngkarphthnaaebbcalxngnikhux lioxnard di ebam nkkhnitsastrchawxemriknaelaephuxnrwmngan 1 aebbcalxngnimikhwamkhlaykhlungkbpyhakarkrxngimechingesnthiehmaathisudkhxngruslan aexl straokhonwich nkwithyasastrchawrsesiy 2 inaebbcalxngmarkhxfxyangngaynn phusngekt observer camxngehnsthana state idodytrng dngnntwaeprediywthimixyukhuxkhwamnacaepninkarepliynsthana aetinaebbcalxngmarkhxfsxnern phusngektimsamarthmxngehnsthanaidodytrng aetcamxngehnphllphth output idodyphllphththixxkmannkhunxyukbsthana aetlasthanakmikarkracaykhwamnacaepnkhxngphllphththiimehmuxnkn dngnn ladbkhxngphllphththiidcakaebbcalxngkcathaiheraidkhxmulekiywkbladbkhxngsthanaidechnkn thngni khawa sxnern nnhmaythungladbkhxngsthanathiaebbcalxngphanip imichtwaeprkhxngaebbcalxng aebbcalxngyngthukeriykwaaebbcalxngmarkhxf sxnern aemwatwaeprehlanicathrabaenchdaelwaebbcalxngmarkhxfsxnernthuknaipichnganbxykhrnginsakhakareriynrukhxngekhruxng odyechphaakarrucaaebbthimiewlamaekiywkhxng imwacaepnkarrucaesiyngphud karrucalaymux karrucathathang aelachiwsarsnethssastrxangxing aekikh Baum L E Petrie T 1966 Statistical Inference for Probabilistic Functions of Finite State Markov Chains The Annals of Mathematical Statistics 37 6 1554 1563 doi 10 1214 aoms 1177699147 subkhnemux 28 November 2011 Stratonovich R L 1960 Conditional Markov Processes Theory of Probability and its Applications 5 2 156 178 doi 10 1137 1105015 ekhathungcak https th wikipedia org w index php title aebbcalxngmarkhxfsxnern amp oldid 8923045, wikipedia, วิกิ หนังสือ, หนังสือ, ห้องสมุด,

บทความ

, อ่าน, ดาวน์โหลด, ฟรี, ดาวน์โหลดฟรี, mp3, วิดีโอ, mp4, 3gp, jpg, jpeg, gif, png, รูปภาพ, เพลง, เพลง, หนัง, หนังสือ, เกม, เกม