Скрытые модели Маркова

Модели Маркова для генерации данных

Процессы Маркова являются примерами стохастических процессов — процессы, которые генерируют случайные последовательности результатов или состояний согласно определенным вероятностям. Процессы Маркова отличают, будучи без памяти — их следующее состояние зависит только от их текущего состояния, не от истории, которая привела их туда. Модели процессов Маркова используются в большом разнообразии приложений от ежедневных курсов акций до положений генов в хромосоме. Скрытые модели Маркова (HMM) стремятся восстановить последовательность состояний, которые сгенерировали данный набор наблюдаемых данных.

Функции

hmmdecodeСкрытая модель Маркова следующие вероятности состояния
hmmestimateСкрытый параметр модели Маркова оценивает от эмиссии и состояний
hmmgenerateСкрытые состояния модели Маркова и эмиссия
hmmtrainСкрытый параметр модели Маркова оценивает от эмиссии
hmmviterbiСкрытая модель Маркова самый вероятный путь состояния

Темы

Скрытые модели Маркова (HMM)

Оцените модели Маркова из данных.

Цепи Маркова

Цепи Маркова являются математическими описаниями моделей Маркова с дискретным набором состояний.

Для просмотра документации необходимо авторизоваться на сайте