Viterbi -algoritmen er en dynamisk programmeringsalgoritme for å få det maksimale a posteriori sannsynlighetsestimatet for den mest sannsynlige sekvensen av skjulte tilstander - kalt Viterbi -banen - som resulterer i en sekvens av observerte hendelser, spesielt i sammenheng med Markov -informasjonskilder og skjult Markov modeller (HMM).
- Hva er hovedideen i Viterbi -algoritmen?
- Hva er utgangen til Viterbi -algoritmen?
- Hva er skjult Markov -modell i NLP?
- Hva er tidskompleksiteten til Viterbi -algoritmen?
Hva er hovedideen i Viterbi -algoritmen?
Hovedideen bak Viterbi -algoritmen er at vi kan beregne verdiene til uttrykket π (k, u, v) effektivt på en rekursiv, memoisert måte.
Hva er utgangen til Viterbi -algoritmen?
Viterbi (2009), Scholarpedia, 4 (1): 6246. Viterbi-algoritmen produserer maksimal sannsynlighetsestimater for de påfølgende tilstandene til en finite-state-maskin (FSM) fra sekvensen av utgangene som har blitt ødelagt av påfølgende uavhengige interferensvilkår.
Hva er skjult Markov -modell i NLP?
Hidden Markov Model (HMM) er en sannsynlig grafisk modell, som lar oss beregne en sekvens av ukjente eller ikke -observerte variabler fra et sett med observerte variabler. Å forutsi værforhold (skjult) på grunnlag av typer klær som noen har brukt (observert) er et enkelt eksempel på HMM.
Hva er tidskompleksiteten til Viterbi -algoritmen?
Tidskompleksiteten til denne algoritmen er O (N2T) og romkompleksiteten er O (N2 + NT).