Viterbi -algoritmen er en dynamisk programmeringsalgoritme til at opnå det maksimale a posteriori sandsynlighedsestimat af den mest sandsynlige sekvens af skjulte tilstande - kaldet Viterbi -banen - der resulterer i en sekvens af observerede hændelser, især i forbindelse med Markov -informationskilder og skjult Markov modeller (HMM).
- Hvad er hovedideen i Viterbi -algoritmen?
- Hvad er output fra Viterbi -algoritmen?
- Hvad er skjult Markov -model i NLP?
- Hvad er tidskompleksiteten af Viterbi -algoritmen?
Hvad er hovedideen i Viterbi -algoritmen?
Hovedideen bag Viterbi -algoritmen er, at vi effektivt kan beregne værdierne af udtrykket π (k, u, v) på en rekursiv, memoiseret måde.
Hvad er output fra Viterbi -algoritmen?
Viterbi (2009), Scholarpedia, 4 (1): 6246. Viterbi-algoritmen producerer de maksimale sandsynlighedsestimater for de successive tilstande for en endelig-tilstandsmaskine (FSM) ud fra sekvensen af dens output, der er blevet ødelagt af successivt uafhængige interferensbetingelser.
Hvad er skjult Markov -model i NLP?
Hidden Markov Model (HMM) er en sandsynligt grafisk model, som giver os mulighed for at beregne en række ukendte eller ikke -observerede variabler ud fra et sæt observerede variabler. Forudsigelse af vejrforhold (skjult) på basis af typer tøj, der bæres af nogen (observeret) er et enkelt eksempel på HMM.
Hvad er tidskompleksiteten af Viterbi -algoritmen?
Tidskompleksiteten af denne algoritme er O (N2T) og rumkompleksiteten er O (N2 + NT).