時序模型：資料會隨著時間的改變二進行改變，比如溫度、說話等。hmm模型是乙個時序模型，因為是個時序模型所以每時每刻都有乙個觀測值。下圖所示：
z為隱式變數，x為已知的觀測值。
扔不均衡硬幣
有兩枚硬幣a和b，這兩枚硬幣正反面概率不一樣，我們記a和b各自出現正面的概率分別為u1和u2。現在小明進行扔硬幣，我進行結果的觀測，我跟小明之間有東西擋著，互相看不見，觀測結果如下圖所示：
那麼就有兩個問題：
問題1：目前我們得到了觀測序列，我們能否推出小明扔硬幣的序列是什麼？稱為inference問題
問題2：能夠推出u1和u2各自的值是多少？能夠推出小明扔完a/b硬幣後再扔b硬幣或者a硬幣的概率矩陣？（如下圖所示） 該問題稱為引數估計問題
即：能夠根據觀測值推出引數，並且再推出引數的基礎上推出序列？
問題3：我們觀測到的這個序列，即正反正正，的概率是多少？（動態規劃演算法）
以上三個問題即為hmm裡面三大問題
同樣也可以用於語音識別。使用者說的語音會變成波形，這種波形會被標記成觀測值，然後由觀測值去推測使用者說了哪些單詞，這個過程叫做decoding或者inference
HMM模型之序言
1.評估 forward演算法 對乙個觀察系統匹配最可能的系統。對於給定的hmm模型，其生成乙個給定的觀察序列的概率是多少。2.解碼 viterbi演算法 對於已生成的乙個觀察序列確定隱藏狀態序列。什麼樣的隱藏狀態序列最有可能生成乙個給定的觀察序列。3.學習 forward backward演算法 ...
隱馬模型（HMM）
隱馬爾科夫模型的三個基本問題以及相應的演算法如下 a b 前向 後向演算法解決的是乙個評估問題，即給定乙個模型，求某特定觀測序列的概率，用於評估該序列最匹配的模型。c baum welch演算法解決的是乙個模型訓練問題，即引數估計 學習 是一種無監督的訓練方法，主要通過em迭代實現 d 維特比演算法...
HMM模型之前向演算法
1 介紹 前向演算法是用於hmm模型的評估問題。評估問題 對於乙個觀察序列和通過不同系統得到的hmm模型，怎麼判斷哪乙個hmm模型是最有可能產生這個觀察序列。hmm模型三元組 a,b 其中 表示初始向量，a表示狀態轉移矩陣，b表示混合矩陣，例項可以參看 hmm模型之viterbi演算法 2 實現 要...