![Beispiel Hidden Markov Model (HMM) zur Klassifizierung von Aktivitäten mit iPhone](https://i.ytimg.com/vi/dawCj24GXnM/hqdefault.jpg)
Inhalt
- Definition - Was bedeutet Hidden Markov Model (HMM)?
- Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.
- Techopedia erklärt das Hidden Markov Model (HMM)
Definition - Was bedeutet Hidden Markov Model (HMM)?
Ein verstecktes Markov-Modell (HMM) ist eine Art statistisches Modell, das eine Variation der Markov-Kette darstellt. In einem Hidden-Markov-Modell gibt es im Gegensatz zu einer Standard-Markov-Kette, in der alle Zustände für den Beobachter sichtbar sind, "versteckte" oder nicht beobachtete Zustände. Versteckte Markov-Modelle werden für maschinelles Lernen und Data-Mining-Aufgaben verwendet, einschließlich Sprach-, Handschrift- und Gestenerkennung.
Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.
Techopedia erklärt das Hidden Markov Model (HMM)
Das Hidden-Markov-Modell wurde vom Mathematiker L.E. Baum und seine Kollegen in den 1960er Jahren. Wie die beliebte Markov-Kette versucht das Hidden-Markov-Modell, den zukünftigen Zustand einer Variablen anhand von Wahrscheinlichkeiten vorherzusagen, die auf dem aktuellen und dem vergangenen Zustand basieren. Der Hauptunterschied zwischen einer Markov-Kette und dem Hidden-Markov-Modell besteht darin, dass der Zustand in letzterem für einen Beobachter nicht direkt sichtbar ist, obwohl die Ausgabe so ist.
Versteckte Markov-Modelle werden für maschinelles Lernen und Data Mining-Aufgaben verwendet. Einige davon umfassen Spracherkennung, Handschrifterkennung, Teil-der-Sprache-Kennzeichnung und Bioinformatik.