Viterbi -algoritmen är en dynamisk programmeringsalgoritm för att erhålla maximal uppskattning i efterhand av den mest sannolika sekvensen av dolda tillstånd - kallad Viterbi -vägen - som resulterar i en sekvens av observerade händelser, särskilt i samband med Markov -informationskällor och dolda Markov modeller (HMM).
- Vad är huvudidén i Viterbi -algoritmen?
- Vad är resultatet av Viterbi -algoritmen?
- Vad är dold Markov -modell i NLP?
- Vad är tidskomplexiteten för Viterbi -algoritmen?
Vad är huvudidén i Viterbi -algoritmen?
Huvudidén bakom Viterbi -algoritmen är att vi kan beräkna värdena för termen π (k, u, v) effektivt på ett rekursivt, memoiserat sätt.
Vad är utsignalen från Viterbi -algoritmen?
Viterbi (2009), Scholarpedia, 4 (1): 6246. Viterbi-algoritmen producerar maximala sannolikhetsuppskattningar av de på varandra följande tillstånden i en finite-state-maskin (FSM) från sekvensen av dess utgångar som har skadats av successivt oberoende interferensvillkor.
Vad är dold Markov -modell i NLP?
Hidden Markov Model (HMM) är en probabilistisk grafisk modell, som tillåter oss att beräkna en sekvens av okända eller obemärkta variabler från en uppsättning observerade variabler. Att förutsäga väderförhållanden (dolda) på grundval av typer av kläder som bärs av någon (observerad) är ett enkelt exempel på HMM.
Vad är tidskomplexiteten för Viterbi -algoritmen?
Tidskomplexiteten för denna algoritm är O (N2T) och rymdkomplexiteten är O (N2 + NT).