Глоссарий ИИ
Полный словарь искусственного интеллекта
Цепь Маркова
Дискретный во времени стохастический процесс, в котором вероятность будущего состояния зависит только от текущего состояния, а не от прошлых состояний (свойство Маркова).
Скрытые состояния
Наблюдаемые напрямую случайные переменные системы, которые развиваются в соответствии с цепью Маркова и генерируют видимые наблюдения.
Матрица переходных вероятностей
Матрица, определяющая вероятности перехода из одного скрытого состояния в другое в каждый момент времени, характеризующая динамику системы.
Вероятности эмиссии
Условное распределение вероятностей, которое связывает каждое скрытое состояние с вероятностью генерации каждого возможного наблюдения.
Алгоритм Витерби
Алгоритм динамического программирования, который находит наиболее вероятную последовательность скрытых состояний, сгенерировавшую заданную последовательность наблюдений.
Алгоритм Баума-Уэлча
Вариант EM-алгоритма для оценки параметров СММ (скрытой марковской модели) на основе последовательностей наблюдений без меток.
Последовательность наблюдений
Упорядоченный набор наблюдаемых данных, генерируемых системой, служащий входными данными для вывода в СММ.
Матрица эмиссии
Матрица, в которой каждый элемент b(j,k) представляет вероятность эмиссии символа k из скрытого состояния j.
Распределение начальных состояний
Вектор вероятностей, определяющий распределение скрытого состояния в момент времени t=0 до любых наблюдений.
Задача декодирования
Фундаментальная задача, заключающаяся в поиске наиболее вероятной последовательности скрытых состояний, которая могла бы сгенерировать данную последовательность наблюдений.
Задача оценки
Вычисление вероятности того, что данная модель HMM сгенерировала конкретную последовательность наблюдений.
Задача обучения
Автоматическая настройка параметров HMM (вероятностей переходов и эмиссий) на основе обучающих данных.
Дискретная HMM
Скрытая марковская модель, в которой наблюдения берутся из конечного множества дискретных символов с дискретными вероятностями эмиссии.
Непрерывная HMM
Вариант HMM, в котором наблюдения являются непрерывными переменными, обычно моделируемыми с помощью смесей гауссиан.
Топология HMM
Структура разрешенных соединений между скрытыми состояниями, определяющая возможные переходы в модели.
Поглощающие состояния
Особые состояния в HMM с вероятностью перехода, равной 1, в самих себя, что предотвращает выход из них после достижения.
Сглаживание параметров
Техника добавления псевдосчётов для избежания нулевых вероятностей при оценке параметров СММ (скрытой марковской модели).
Апостериорная маргинальная вероятность
Апостериорная вероятность скрытого состояния в данный момент времени, вычисляемая путём маргинализации по всем остальным скрытым состояниям.