AI-统计学习（18）-隐马尔可夫和条件随机场

隐马尔可夫和条件随机场

 应用于语音识别、自然语言处理等应用。 简单的说我们就是用图，有向图、无向图来表示离散的变量和其概率分布。

解决的是标注问题，关注的是变量之间的“依赖性”“独立性”。

---

1.团、最大团

2.有向图 无向图

3.马尔可夫性

4.隐马尔可夫模型 2个假设，3个基本问题，3组参数

5.条件随机场 图形 公式

6.贝尔曼优化原理

---

 

1. 团、最大团

团：任意两个间都有边相连就叫团。Y1 Y2，Y2 Y3,Y1 Y2 Y3 团，Y1 Y2 Y4不是团。

最大团：不能新加任何结点了。比如Y1 Y2 Y3  而 Y2 Y4不是。

2.有向图、无向图

有箭头的就是有向图

无箭头的就是无向图

3.马尔可夫性

   成对

  

   局部

   全局

4.隐马尔可夫模型 2个假设，3个基本问题，3组参数

         状态空间i 观测空间0 还有参数

         三者就确定了一个HMM

 

4.1两个假设

    A齐次马尔科夫性 t只依赖于t-1时刻

   公式

   B观测独立性假设 只依赖于本时刻的状态

4.2 三个基本问题

    A概率问题

     B学习问题

     C预测问题

4.3三组参数

 

5.条件随机场 图形 公式

6.贝尔曼优化原理