Скрытая марковская модель | Понятное объяснение

Впервые описанные Андреем Андреевичем Марковым в 1877 году, цепи Маркова и марковский процесс стали одними из самых известных методов изучения случайных процессов. Марковский процесс — это тип стохастической модели, предполагающий, что текущее наблюдение основано только на предыдущих событиях с определённой вероятностью, и может быть визуализирован как цепь Маркова.

Скрытая марковская модель дополняет исходную марковскую модель, предполагая, что в системе присутствуют другие «скрытые» состояния, которые напрямую влияют на исход текущих событий. Благодаря этому эта модель была успешно внедрена во многие области исследований, включая биоинформатику, искусственный интеллект и многие другие.

Надеюсь, что это видео станет нематематическим введением для тех, кто хочет понять концепцию, но не обязан знать точные вычисления, используемые при умножении матриц в процессе моделирования, или, возможно, захочет изучить их позже.

Если у вас есть вопросы, оставляйте комментарии :)

Слайды: http://bit.ly/Brandon_Yeo

Электронная почта: [email protected]
Github: https://github.com/brandonyph
Twitter:   / brandon_yeoph