Inhoudsopgave:
Definitie - Wat betekent Hidden Markov Model (HMM)?
Een verborgen Markov-model (HMM) is een soort statistisch model dat een variatie is op de Markov-keten. In een verborgen Markov-model zijn er "verborgen" toestanden, of niet waargenomen, in tegenstelling tot een standaard Markov-keten waar alle toestanden zichtbaar zijn voor de waarnemer. Verborgen Markov-modellen worden gebruikt voor machine learning en dataminingtaken, waaronder spraak, handschrift en gebaarherkenning.
Techopedia legt Hidden Markov Model (HMM) uit
Het verborgen Markov-model werd ontwikkeld door de wiskundige LE Baum en zijn collega's in de jaren zestig. Net als de populaire Markov-keten, probeert het verborgen Markov-model de toekomstige status van een variabele te voorspellen met behulp van waarschijnlijkheden op basis van de huidige en eerdere status. Het belangrijkste verschil tussen een Markov-keten en het verborgen Markov-model is dat de toestand in het laatste niet direct zichtbaar is voor een waarnemer, hoewel de uitvoer dat wel is.
Verborgen Markov-modellen worden gebruikt voor machine learning en dataminingtaken. Sommige hiervan zijn spraakherkenning, handschriftherkenning, tagging van een deel van de spraak en bio-informatica.
