L'algoritmo di Viterbi è un algoritmo di programmazione dinamica per ottenere la stima della massima probabilità a posteriori della sequenza più probabile di stati nascosti, chiamata cammino di Viterbi, che risulta in una sequenza di eventi osservati, specialmente nel contesto delle fonti di informazione Markov e Markov nascosto modelli (HMM).
- Qual è l'idea principale nell'algoritmo di Viterbi?
- Qual è l'output dell'algoritmo di Viterbi??
- Cosa nasconde il modello Markov in PNL?
- Qual è la complessità temporale dell'algoritmo di Viterbi?
Qual è l'idea principale nell'algoritmo di Viterbi?
L'idea principale alla base dell'algoritmo di Viterbi è che possiamo calcolare i valori del termine (k, u, v) in modo efficiente in modo ricorsivo e memorizzato.
Qual è l'output dell'algoritmo di Viterbi??
Viterbi (2009), Scholarpedia, 4(1):6246. L'algoritmo di Viterbi produce le stime di massima verosimiglianza degli stati successivi di una macchina a stati finiti (FSM) dalla sequenza delle sue uscite che sono state corrotte da termini di interferenza successivamente indipendenti.
Cosa nasconde il modello Markov in PNL?
Hidden Markov Model (HMM) è un modello grafico probabilistico, che ci permette di calcolare una sequenza di variabili sconosciute o non osservate da un insieme di variabili osservate. Prevedere le condizioni meteorologiche (nascosto) sulla base dei tipi di vestiti indossati da qualcuno (osservato) è un semplice esempio di HMM.
Qual è la complessità temporale dell'algoritmo di Viterbi?
La complessità temporale di questo algoritmo è O(N2T) e la complessità spaziale è O(N2 + NT).