隐马尔可夫模型（未完待续...）

最新推荐文章于 2025-12-05 13:14:36 发布
原创 最新推荐文章于 2025-12-05 13:14:36 发布 · 99 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #自然语言处理 #python

博客聚焦于隐马尔科夫模型，包含该模型的推导过程以及相关代码，涉及深度学习和自然语言处理领域，使用 Python 语言实现。

隐马尔科夫模型

推导
在这里插入图片描述
代码

一文读懂AIGC文生图系列原理及发展近况！
女王の专属领地
11-25 3126
2021年10月，谷歌发布的 Disco Diffusion 模型以其惊人的图像生成效果拉开了属于扩散模型的 AIGC 时代序幕。图像精美但细节不够深人；生成耗时过长（也是一直以来的痛点）。但其图像质量碾压以往众多绘画模型，达到普通人无法企及高度，这才让 AI绘画真正迈入生产工具行列。AIGC作为一种新兴的技术，正在快速改变内容生产和创作的格局。经过多年的发展，AIGC已经在文本、图像、音频和视频等多个领域取得了显著的成就。
隐马尔可夫模型（HMM）未完待续……
Asher
12-19 234
隐马尔可夫模型（HMM） 1、模型背景   现实生活中很多事情的发生都是有规律可循的，即表现出来的结果，受到某些“隐藏”因素的影响。举个例子，某个人事业成功与否，这与他自身是否努力有一定关系的。其表现出来的状态是成功或者失败，而隐藏的影响因素为努力与否。对于类似这类问题可以通过统计学的方法，计算表现结果为X的情况下，隐藏状态为Y的概率即P(Y∣X)P(Y|X)P(Y∣X)。利用这个概率可以将给定的...
朴素贝叶斯分类器与隐马尔可夫模型
qq_41581769的博客
06-27 719
朴素贝叶斯分类器与马尔科夫模型 写在前面，本文对过去几天学习的新的数学模型的总结，主要是这样的概率编程问题，图模型在很多链式结构中非常有用，概率模型对分类和决策问题是绝佳的解决手段，图模型与概率相结合对很多的分类和预测问题产生了化学反应，如果在认知领域出现了什么更牛...
隐马尔可夫模型(HMM)初探
qq_35090026的博客
11-05 319
HMM模型前提假设与模型表示模型求解**HMM的三个问题**EvaluationLearning 隐马尔可夫模型是一种重要的概率图模型。作为一种著名的有向图模型，HMM广泛应用于语音识别和序列预测等领域。 前提假设与模型表示 两个假设： 齐次马尔可夫假设：假设隐藏的马尔科夫链在任意时刻t的状态只依赖于其前一时刻的状态,与其他时刻的状态及观测无关,也与时刻t无关。 状态独立假设：某一时刻的观测变量只...
隐马尔可夫模型HMM-学习笔记-未完待续
u010564788的博客
07-12 271
HMM很早就学过，但是之前总数学了忘，忘了再重新看，今天把整个模型再重新梳理一遍 假设：
隐马尔可夫模型HMM实战命名实体识别NER
xhsun的博客
01-30 1591
HMM是关于时序的有向概率图模型。 HMM是对含有隐变量的马尔可夫链进行建模的生成模型。 马尔可夫链是指时间和状态都是离散的马尔可夫过程。 马尔可夫过程是指满足马尔可夫假设的随机过程。 马尔可夫假设是指状态的无后效性。 在做NER任务之前，我们先看一个例子，通过这个例子来学习viterbi算法 我们直接来看统计学习方法的例10.3 我们的目的就是当给定观测序列{红白红}的条件下，求出这个观测序列对应的最有可能的状态序列，也就是红白红分别来自哪一个盒子。 由于状态的取值空间是3(3个盒子)，序列的长度是3
一文讲透：HMM隐马尔科夫模型
StarrySky3的博客
12-23 2027
一、马尔科夫模型 1 马尔科夫的几个概念 要想理解隐马尔科夫模型，首先要理解马尔科夫模型。 下面通过一个天气变化的例子来认识马尔科夫模型中的几个重要概念。 ????????????： 现在天气有三种状态：晴天，多云，雷雨。 那么，有以下三组问题： 1）今天晴天明天是晴天的概率是多少？今天晴天明天多云的概率是多少？今天晴天明天雷雨的概率是多少？ 2）今天多云明天是晴天的概率是多少？今天多云明天多云的概率是多少？今天多云明天是雷雨的概率是多少？ 3）今天雷雨明天是晴天的概率是多少？今天雷雨明天多云的概率是多少？
【math】Hiden Markov Model 隐马尔可夫模型了解
lillianqdzpw
11-15 798
Hiden Markov Model 隐马尔可夫模型了解。forward algorithm, backward algorithm Viterbi algorithm, Baum–Welch algorithm
隐马尔可夫模型（一）---基本概念
AI.PLAY
08-05 1233
  隐马尔可夫模型   要了解隐马尔可夫模型，首先要了解什么是马尔可夫模型。网上的一个关于天气的例子能够帮助我们理解马尔可夫模型。     1.马尔可夫模型     假设我们可以通过当前的天气状况预测未来的天气状况，同理，我们也可以通过之前一些天的天气状况预测今天的天气状况。 这种假设成立的条件是：这个模型的每一个状态都只依赖于前一个状态，这个条件称之为“马尔可夫假设”。 存在...
隐马尔可夫模型（Hidden Markov Model，HMM）
weixin_30709809的博客
08-11 163
介绍 崔晓源 翻译 我们通常都习惯寻找一个事物在一段时间里的变化规律。在很多领域我们都希望找到这个规律，比如计算机中的指令顺序，句子中的词顺序和语音中的词顺序等等。一个最适用的例子就是天气的预测。 首先，本文会介绍声称概率模式的系统，用来预测天气的变化 然后，我们会分析这样一个系统，我们希望预测的状态是隐藏在表象之后的，并不是我们观察到的现象。比如，我们会根据观察到的植物海藻的表...
隐式半马尔可夫模型简述——Hidden semi-Markov Model: My superficial review
止于至玄
01-03 6907
本文介绍隐式半马尔可夫模型（HSMM）的基本概念与使用。
时序分析 20 高斯混合模型 (上)
weixin_43171270的博客
04-17 2130
时序分析 20 高斯混合模型 (上) 前言     在时序分析中，我们经常需要对时序数据进行分段（Time Series Segmentaion)，对于金融时序数据尤其如此。我们多次观察到某个时序数据在不同的时间阶段展现除了不同的统计特征和特性，也就是说该时序是不平稳的。通常在这种情况下，我们需要采用诸如GARCH，差分等技术对该时序数据进行建模，但是如果我们可以把整个时序分成几个阶段，而在一个阶段内其统计特性或者某些特征接近，从而对于各个阶段结合业务特征和属性分别建
Task02：马尔可夫决策及表格型方法 & Task03: 策略梯度和PPO算法
不向静中参妙理，纵然颖悟也虚浮
08-25 470
这篇文章融合了Task02和Task03的内容： （1）马尔科夫决策过程； （2）策略评估； （3）策略改进；
【人工智能】【深度学习】④ Stable Diffusion核心算法解析：从DDPM到文本生成图像的飞跃
xiezhiyi007的专栏
12-02 1363
Stable Diffusion是AI绘画领域的革命性技术，其核心基于扩散模型：通过"拆快递"式的噪声添加（前向扩散）和"拼乐高"式的逐步去噪（逆向过程），实现从噪声到图像的构建。本文用快递分拣、乐高拼装等生活化类比，解析CLIP文本编码器（翻译文字指令）、VAE（图像压缩）和U-Net（智能拼图）三大核心组件。相比传统GAN模型，它避免模式崩溃，提升语义理解能力，成为文本生成图像的黄金标准。通过代码与架构图解析，帮助开发者快速掌握这项技术的核心逻辑。
深度学习理论推导--梯度下降法
weixin_43719312的博客
12-02 925
本文通过小猪体重增长的例子，生动解释了梯度下降法的原理。首先回顾线性回归的求解方法（最小二乘法和正规方程），指出非线性问题的局限性。然后以二元函数z=1+x+2y为例，通过微分推导证明：在微观尺度下，当增量方向与梯度方向一致时，函数增长最快。文中详细分析了不同方向上的增量变化，并用向量运算说明梯度方向的重要性。最后指出梯度向量∇z=[1,2]^T即为函数增长最快的方向，为后续讲解梯度下降法奠定了基础。
深入浅出卷积神经网络（CNN）：从LeNet到Vision Transformer的演进及其实战应用
云雾J视界的博客
12-04 876
本文系统梳理卷积神经网络从LeNet到Vision Transformer的演进脉络，聚焦“为何选用ResNet而非VGG”这一典型面试问题，揭示其背后的技术选型逻辑。文章基于CVPR、ICLR等顶会论文及MLPerf等公开基准，深入剖析四代架构——奠基（LeNet/AlexNet）、深度爆发（VGG/ResNet）、效率觉醒（MobileNet）与注意力时代（ViT/ConvNeXt）的核心创新与工程权衡。
深度学习与机器学习的3个关键区别
最新发布
dream_it_come_in的博客
12-05 709
在人工智能的浪潮中，“机器学习” 和 “深度学习” 是两个高频出现却常被混淆的概念。很多人误以为深度学习是机器学习的 “升级版”，但实际上二者在技术逻辑、适用场景和核心能力上存在本质区别。今天我们就从三个核心维度，拆解它们的关键差异，帮你快速理清 AI 技术的底层逻辑。
深度学习实战（基于pytroch）系列（四十一）长短期记忆（LSTM）pytorch简洁实现
echo的博客
11-29 1146
本文介绍了使用PyTorch简洁实现长短期记忆网络(LSTM)语言模型的方法。首先读取周杰伦歌词数据集并进行预处理，然后定义包含LSTM层和全连接层的RNN模型类，其中LSTM需要同时处理隐藏状态和细胞状态。文章详细展示了模型初始化、预测函数实现以及训练过程，包括梯度裁剪和数据迭代器设计。通过对比手动实现，突出了PyTorch框架在简化LSTM实现方面的优势，为自然语言处理任务提供了高效的解决方案。
【深度学习新浪潮】DeepSeek V3.2深度解析：稀疏革命与Agent突破，开源模型的效率跃迁
智能守恒_HengAI
12-01 249
DeepSeek V3.2通过DSA稀疏注意力与规模化RL训练的双重创新，不仅实现了"性能不降级、成本降七成"的效率突破，更将开源模型的Agent能力推向新高度。对于开发者而言，标准版的高性价比与增强版的极限推理能力形成互补，既能满足日常业务需求，又可支撑前沿技术探索。随着DSA机制的持续迭代与国产算力适配的深化，开源模型与闭源模型的能力差距正快速缩小。未来值得期待其在多模态稀疏处理、端侧部署优化等方向的进一步突破。你在实际开发中更关注V3.2的长文本处理能力还是Agent工具调用功能？
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值