Model Markov tersembunyi: Perbedaan antara revisi

Ada tiga permasalahan utama yang dapat diselesaikan HMM<{{br />}}

: * Diberikan parameter dari model, hitunglah probabilitas output berupa suatu barisan tertentu. <{{br />}}Masalah ini diselesaikan oleh forward algorithm.<{{br />}}

* Diberikan parameter dari model, carilah barisan state tersembunyi yang paling mungkin <{{br />}}menghasilkan output barisan tertentu (yang diberikan). Masalah ini diselesaikan oleh algoritma <{{br />}}Viterbi.<{{br />}}

* Diberikan sebuah barisan output atau himpunan barisan sepertinya, maka temukan himpunan transisi <{{br />}}state yang paling mungkin beserta probabilitas outputnya. Dengan kata lain, latihlah parameter HMM <{{br />}}jika diberikan dataset barisan-barisan tertentu. Masalah ini diselesaikan oleh algoritma Baum-Welch<{{br />}}