Марковские процессы являются примерами стохастических процессов - процессов, генерирующих случайные последовательности результатов или состояний в соответствии с определёнными вероятностями. Марковские процессы отличаются беспамятством - их следующее состояние зависит только от их нынешнего состояния, а не от истории, которая привела их туда. Модели марковских процессов используются в самых разнообразных применениях, от суточных цен на акции до положений генов в хромосоме. Скрытые модели Маркова (HMM) стремятся восстановить последовательность состояний, которые генерировали данный набор наблюдаемых данных.
hmmdecode | Вероятность заднего состояния скрытой модели Маркова |
hmmestimate | Скрытые оценки параметров модели Маркова по выбросам и состояниям |
hmmgenerate | Скрытые состояния марковской модели и выбросы |
hmmtrain | Скрытые оценки параметров модели Маркова по выбросам |
hmmviterbi | Скрытая марковская модель наиболее вероятного пути к состоянию |
Оценка марковских моделей по данным.
Цепи Маркова - математические описания марковских моделей с дискретным набором состояний.