隐马尔科夫模型

最新推荐文章于 2025-12-01 23:06:04 发布

转载最新推荐文章于 2025-12-01 23:06:04 发布 · 189 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://blog.youkuaiyun.com/weixin_30642305/article/details/95557974

文章标签：

#神经网络 #深度学习 #机器学习

本文深入浅出地介绍了隐马尔科夫模型的基本概念、工作原理及其在实际应用中的重要作用，为读者提供了一个全面理解隐马尔科夫模型的视角。

对隐马尔科模型的极赞介绍

https://blog.youkuaiyun.com/weixin_30642305/article/details/95557974

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Relerk

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

隐马尔科夫模型（HMM）

weixin_45234741的博客

04-06

2278

HMM算法学习笔记

隐马尔科夫模型模型：原理、实现

weixin_42141390的博客

03-10

2771

文章目录引入盒子模型与盒子问题（urn problem）随机过程索引集状态空间采样函数增量马尔可夫链与马尔可夫过程隐马尔科夫模型定义示例——帮助理解精灵、盒子与球天气估计原理描述推断问题估算观测序列出现的概率计算隐藏变量的概率过滤问题平滑问题最可能解释问题模型训练引入为了更方便地理解隐马尔可夫模型，我们需要引入以下概念。盒子模型与盒子问题（urn problem）所谓盒子问题，就是将感兴趣的实体视为一系列的，带有颜色的球。之后，人们从盒子中取出一个或多个的球，再根据这些球，估算某些概率或概率分布。比

参与评论您还未登录，请先登录后发表或查看评论

隐马尔科夫模型HMM

诸神缄默不语的博客

10-18

1191

本文介绍隐马尔科夫模型HMM

隐马尔科夫模型（Hidden Markov Model, HMM）

...

07-16

900

隐马尔科夫模型（Hidden Markov Model, HMM）是一种统计模型，用来描述一个含有未知参数的马尔科夫过程。它在语音识别、自然语言处理、生物信息学等领域有着广泛应用。谱学习算法在HMM的学习中提供了一种替代传统的Baum-Welch算法（即EM算法的特例）的方法，这种方法可以避免局部最优的问题。

隐马尔科夫模型基础

joey_hu0922的博客

04-06

8975

隐马尔科夫模型基础

【机器学习】马尔可夫模型与隐马尔科夫模型

m0_53700832的博客

07-15

4524

马尔可夫模型（Markov Model）是一种用于描述系统状态随时间变化的数学模型。通俗地说，它是一种预测未来状态的工具，假设未来状态只依赖于当前状态，而不依赖于过去的状态。这种假设被称为“马尔可夫性”或“无后效性”。马尔可夫模型是一种非常有用的工具，用于描述和预测系统状态随时间变化的情况。关键是只考虑当前状态，而不考虑历史状态。这使得模型简单且易于计算，适用于许多实际问题，如天气预测、股票市场分析、语言处理等。初始状态分布π\piπ：描述系统初始时刻各状态的概率。状态转移概率矩阵AAA。

隐马尔科夫模型（ HMM）

Wei_sx的博客

12-28

1222

隐马尔可夫模型 (HMM) 是处理带有隐状态的序列数据的重要工具。通过建立一个包括状态转移、观察生成和学习算法的模型，HMM能够帮助我们在很多实际应用中进行有效的分析和预测。

北航人工作业：词性标注与多层隐马尔科夫模型

weixin_35307279的博客

04-25

972

词性标注（Part-of-Speech tagging，简称POS tagging）是自然语言处理（NLP）领域中的一个基础任务，它旨在为文本中的每个单词分配一个词性（名词、动词、形容词等）标签。这种标注对于理解语言结构和上下文关系至关重要，是许多复杂NLP任务（如句法分析、机器翻译和信息提取）的前置步骤。马尔科夫链是随机过程的一种，它描述了一组随机变量之间的转移概率。如果下一个状态只依赖于当前状态，并且与如何达到当前状态无关，则称这个过程具有马尔科夫性质。

MATLAB实现隐马尔科夫模型全解_HMM学习与应用

weixin_32661831的博客

08-10

857

隐马尔科夫模型（Hidden Markov Model，HMM）是一种统计模型，用于描述一个含有隐含未知参数的马尔科夫过程。HMM是马尔科夫链和统计模型相结合的产物，广泛应用于语音识别、生物信息学、自然语言处理等领域。在HMM中，系统被认为是一个马尔科夫过程，但状态并不直接可见，而是通过观测序列间接地表现出来。马尔科夫链是随机过程的一种，其核心特征是具有无记忆性，即未来的状态只与当前状态有关，而与过去的状态无关。数学上，这个性质可以表述为：假定有一个随机过程 {X_n}，它取值于状态空间 S。

隐马尔科夫模型(HMM)的MATLAB程序和工具箱

09-23

隐马尔科夫模型（Hidden Markov Model，简称HMM）是一种统计建模方法，尤其在自然语言处理、语音识别、生物信息学等领域有广泛应用。HMM的核心思想是假设观察序列是由不可见的状态序列生成的，而这些状态遵循...

基于隐马尔科夫模型的中文分词研究_魏晓宁1

08-04

【隐马尔科夫模型(HMM)的应用】在中文分词中，HMM模型可以用来估计词语出现的概率，通过Viterbi算法或N-最短路径方法寻找最可能的分词结果。HMM的层叠形模型（CHMM）进一步增强了分词的准确性，通过多层结构处理复杂...

隐马尔科夫模型.zip_python_机器学习_隐马尔科夫_隐马尔科夫模型_马尔科夫

07-14

机器学习 李航统计学习 隐马尔科夫模型代码实现

基于隐马尔科夫模型的居民用电行为识别方法

09-17

隐马尔科夫模型是一种统计模型，能够用来描述含有隐含未知参数的马尔科夫过程，其在时间序列分析中尤为有用，尤其适合用来分析那些具有内在状态变化的随机过程。在居民用电行为识别领域，隐马尔科夫模型能够对家庭中...

Sigmoid函数：从生物生长曲线到神经网络激活的桥梁

最新发布

拒绝AI玄学，只聊真技术▲

12-01

797

Sigmoid函数是机器学习历史上的一座里程碑。它凭借其直观的概率解释和平滑的性质，为逻辑回归和早期神经网络提供了关键的动力。它像一把钥匙，打开了利用非线性模型处理分类问题的大门。然而，其固有的梯度消失和计算效率问题，也促使研究者寻找更优的替代方案，如ReLU。如今，在深度神经网络的隐藏层中，Sigmoid已较少使用，但其在二分类输出层门控循环单元（如LSTM）以及需要特定输出范围的任务中，依然保有一席之地。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。

INT301 Bio-computation 生物计算（神经网络）Pt.9 自我组织特征映射（Self-Organizing Fearure Map）

sensen_kiss的博客

11-30

755

自我组织映射(SOM)是一种模拟大脑神经元自组织特性的无监督学习算法。它通过竞争学习机制将高维输入数据映射到低维(通常二维)离散空间，同时保持输入数据的拓扑结构。SOM算法包含三个核心过程：竞争(选择最佳匹配神经元)、合作(激活邻近神经元)和突触适应(调整权重)。这种机制使得相似输入在输出空间中彼此靠近，形成有序的特征映射(如音调映射、视网膜映射等)。SOM通过"墨西哥帽"函数实现短程兴奋和长程抑制，可用于数据降维和模式识别，广泛应用于数据可视化和特征提取领域。

动态神经网络时间序列预测：基于Matlab的NARX实现、应用研究及对比实验的完美运行源代码

2509_94268504的博客

12-01

193

先看实战效果：用某工业园区历史电力负荷数据（含温度、湿度等外部变量）做未来24小时预测，NARX的MAPE能压到3.8%，比传统ARIMA模型提升40%以上。今天咱们直接上代码，手把手教你在Matlab里玩转带外部输入的动态神经网络预测，文末还准备了同场景下的LSTM对比彩蛋。模型保存建议用新版Matlab的exportNetworkToTensorFlow函数，直接转成ONNX格式部署到生产环境，别再用上古时代的save/load方法了，兼容性能坑到你怀疑人生。但数据量超过10万条时，LSTM开始反超。

【水果识别系统】Python+TensorFlow+Django+人工智能+深度学习+卷积神经网络算法

子午的博客

12-01

494

水果识别系统，基于TensorFlow搭建Resnet50卷积神经网络算法，通过对5种常见的水果图片数据集（‘圣女果’, ‘梨’, ‘芒果’, ‘苹果’, ‘香蕉’）进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。技术栈项目前端使用Html、CSS、BootStrap搭建界面。后端基于Django处理逻辑请求基于Ajax实现前后端数据通信选题背景与意义。