Egy rejtett Markov modell (leegyszerűsítve) egy zajosan megfigyelt Markov lánc. Az ilyen modellek alapvető fontosságúak például a gépi tanulás (a megerősítéses- és felügyelt tanulás), a jelfeldolgozás, és az irányításelmélet számára. Egy rejtett Markov modell paramétereinek becslésére sokféle módszer létezik, például a klasszikus EM (expectation maximization) algoritmus, de konkrét gyakorlati alkalmazásoknál tipikus, hogy különböző háttérinformációk állnak a rendelkezésünkre a megfigyelt rendszerről. A kutatás tárgya, hogy konkrétabb problémák specialitásait (pl., strukturális információkat) kihasználva hogyan tudjuk hatékonyabbá tenni a becsléseinket (először: diszkrét idejű, véges állapotterű modellek esetén).
Hivatkozások
- Elliott, Robert J; Aggoun, Lakhdar; Moore, John B.: Hidden Markov Models: Estimation and Control, 2nd edition, Springer, 1995
- Cappé, Olivier; Moulines, Eric; Ryden, Tobias: Inference in Hidden Markov Models, Springer, 2005