Марковские процессы являются примерами стохастических процессов - процессов, которые генерируют случайные последовательности результатов или состояний согласно определенным вероятностям. Марковские процессы отличаются незабываемостью - их следующее состояние зависит только от их текущего состояния, а не от той истории, которая привела их туда. Модели марковских процессов используются в самых разных приложениях, от ежедневных биржевых цен до позиций генов в хромосоме. Скрытые марковские модели (HMM) стремятся восстановить последовательность состояний, которая сгенерировала данный набор наблюдаемых данных.
hmmdecode | Скрытые вероятности апостериорных состояний модели Маркова |
hmmestimate | Скрытые оценки параметров марковской модели от выбросов и состояний |
hmmgenerate | Скрытые состояния модели Маркова и выбросы |
hmmtrain | Скрытые оценки параметров марковской модели от выбросов |
hmmviterbi | Скрытая модель Маркова, наиболее вероятный путь состояния |
Оценка марковских моделей по данным.
Марковские цепи являются математическими описаниями марковских моделей с дискретным набором состояний.