Définition - Que signifie le modèle de Markov caché (HMM)?
Un modèle de Markov caché (HMM) est une sorte de modèle statistique qui est une variation de la chaîne de Markov. Dans un modèle de Markov caché, il y a des états «cachés», ou non observés, contrairement à une chaîne de Markov standard où tous les états sont visibles pour l'observateur. Les modèles de Markov cachés sont utilisés pour les tâches d'apprentissage automatique et d'exploration de données, notamment la parole, l'écriture manuscrite et la reconnaissance gestuelle.
Definir Tech explique le modèle de Markov caché (HMM)
Le modèle de Markov caché a été développé par le mathématicien LE Baum et ses collègues dans les années 1960. Comme la chaîne de Markov populaire, le modèle de Markov caché tente de prédire l'état futur d'une variable en utilisant des probabilités basées sur l'état actuel et passé. La principale différence entre une chaîne de Markov et le modèle de Markov caché est que l'état de ce dernier n'est pas directement visible par un observateur, même si la sortie l'est.
Les modèles de Markov cachés sont utilisés pour les tâches d'apprentissage automatique et d'exploration de données. Certains d'entre eux incluent la reconnaissance vocale, la reconnaissance de l'écriture manuscrite, le marquage d'une partie de la parole et la bioinformatique.