人工智能之隱馬爾可夫模型 _概率

隱馬爾可夫模型 (HMM)是一個統計模型中文分詞人工智能，也是馬爾科夫鏈的一種，它通過觀測系列來求解隱藏在背后的狀態系列概率問題。廣泛應用在語音識別，詞性自動標注，音字轉換，概率文法等各個自然語言處理等應用領域。
【人工智能之隱馬爾可夫模型】隱馬爾可夫模型的五個元素：
舉一個例子：假設有三個不同的骰子。第一個骰子是六個面的骰子（D6），每個面（1 ， 2，3，4，5，6）出現的概率是1/6；第二個骰子是個四面體（D4），每個面（1，2，3，4）出現的概率是1/4；第三個骰子有八個面（D8），每個面（1，2，3，4，5，6 ， 7，8）出現的概率是1/8 。現在，我們擲骰子10次，但是我們不知道是哪個骰子擲。
可觀測狀態：在模型中與隱含狀態相關聯，可通過直接觀測而得到。例如擲骰子10次得到一串數字：{1 6 3 5 2 7 3 5 2 4}
隱含狀態：這些狀態之間滿足馬爾可夫性質，是馬爾可夫模型中實際所隱含的狀態。例如得出上面一串數字所用的骰子系列：{D6 D8 D8 D6 D4 D8 D6 D6 D4 D8}
隱含狀態轉移概率矩陣：各個隱含狀態之間的轉移概率所構成的矩陣。例如D6的下一個狀態是D4，D6，D8的概率為1/3；D4 ， D8的下一個狀態是D4，D6 ， D8的轉換概率為1/3
觀測狀態轉移概率矩陣：在某時刻，某隱含狀態條件下可觀測狀態概率所構成的矩陣。例如D6產生（1，2，3，4 ， 5 ， 6）的輸出概率為1/6
初始狀態概率矩陣：表示隱含狀態在初始時刻t=1的概率矩陣。例如第一次擲骰子為D6為0.5，D4為0.3 ， D8為0.2
HMM解決三種問題：
評估問題：計算某一觀測序列的概率。例如知道骰子有幾種（隱含狀態數量），每種骰子是什么（轉換概率），根據擲骰子擲出的結果（可見狀態鏈），求得出一串數字{1 6 3 5 2 7 3 5 2 4}概率。
解碼問題：尋找給定條件下概率最大的隱狀態序列。例如知道骰子有幾種（隱含狀態數量），每種骰子是什么（轉換概率），根據擲骰子擲出的結果（可見狀態鏈），求出現概率最大的隱含狀態鏈（例如{D6 D8 D8 D6 D4 D8 D6 D6 D4 D8}概率最大）
學習問題：求滿足條件的HMM模型參數。例如知道骰子有幾種（隱含狀態數量），不知道每種骰子是什么（轉換概率），觀測到很多次擲骰子的結果（可見狀態鏈），反推出每種骰子是什么（轉換概率）。
HMM模型主要應用于語音識別、文字識別等領域，我在上一篇文章《人工智能之中文分詞》中提到的jieba分詞工具中文分詞人工智能，其算法主要來源于HMM模型中的算法以求得最優路徑。
本文到此結束，希望對大家有所幫助。

继夫的玩弄H辣文的小说|女人与拘性猛交视频|精品欧美高清不卡高清|一起做亏亏的事情的视频|啦啦啦在线视频观看|望月直播下载ios版本|国产日韩欧美一区二区三区

人工智能之隱馬爾可夫模型