Viterbi-algoritme

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).

1. Wat is het belangrijkste idee in het Viterbi-algoritme??
2. Wat is de output van het Viterbi-algoritme??
3. Wat is het verborgen Markov-model in NLP?
4. 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).