Скрытая марковская модель | Понятное объяснение

Впервые описанные Андреем Андреевичем Марковым в 1877 году, цепи Маркова и марковский процесс стали одними из самых известных методов изучения случайных процессов. Марковский процесс — это тип стохастической модели, предполагающий, что текущее наблюдение основано только на предыдущих событиях с определённой вероятностью, и может быть визуализирован как цепь Маркова. Скрытая марковская модель дополняет исходную марковскую модель, предполагая, что в системе присутствуют другие «скрытые» состояния, которые напрямую влияют на исход текущих событий. Благодаря этому эта модель была успешно внедрена во многие области исследований, включая биоинформатику, искусственный интеллект и многие другие. Надеюсь, что это видео станет нематематическим введением для тех, кто хочет понять концепцию, но не обязан знать точные вычисления, используемые при умножении матриц в процессе моделирования, или, возможно, захочет изучить их позже. Если у вас есть вопросы, оставляйте комментарии :) Слайды:
Электронная почта: [email protected] Github:
Twitter: / brandon_yeoph