Het Viterbi-algoritme is een dynamisch programmeeralgoritme voor het verkrijgen van de maximale a posteriori waarschijnlijkheidsschatting van de meest waarschijnlijke opeenvolging van verborgen toestanden - het Viterbi-pad genaamd - dat resulteert in een opeenvolging van waargenomen gebeurtenissen, vooral in de context van Markov-informatiebronnen en verborgen Markov modellen (HMM).
- Wat is het belangrijkste idee in het Viterbi-algoritme??
- Wat is de output van het Viterbi-algoritme??
- Wat is het verborgen Markov-model in NLP?
- Wat is de tijdscomplexiteit van het Viterbi-algoritme??
Wat is het belangrijkste idee in het Viterbi-algoritme??
Het belangrijkste idee achter het Viterbi-algoritme is dat we de waarden van de term π(k, u, v) efficiënt kunnen berekenen op een recursieve, gememoriseerde manier.
Wat is de output van het Viterbi-algoritme??
Viterbi (2009), Scholarpedia, 4(1):6246. Het Viterbi-algoritme produceert de maximale waarschijnlijkheidsschattingen van de opeenvolgende toestanden van een eindige-toestandsmachine (FSM) uit de reeks van zijn uitgangen die zijn beschadigd door opeenvolgende onafhankelijke interferentietermen.
Wat is het verborgen Markov-model in NLP?
Hidden Markov Model (HMM) is een probabilistisch grafisch model, waarmee we een reeks onbekende of niet-geobserveerde variabelen kunnen berekenen uit een reeks waargenomen variabelen. Het voorspellen van weersomstandigheden (verborgen) op basis van het soort kleding dat iemand draagt (geobserveerd) is een eenvoudig voorbeeld van HMM.
Wat is de tijdscomplexiteit van het Viterbi-algoritme??
De tijdcomplexiteit van dit algoritme is O(N2T) en de ruimtecomplexiteit is O(N2 + NT).