隐马尔科夫模型前向后向算法

    本文是自己学习隐马尔科夫模型的一个总结，为了自己以后方便查阅，也算作是李航老师的《统计学习方法》的一个总结，若有疑问，欢迎讨论。

推荐阅读知乎上Yang Eninala写的《如何用简单易懂的例子解释隐马尔可夫模型？》，写的非常好。我会联系两者，来作为自己的一篇学习笔记。

    隐马尔可夫模型： 隐马尔可夫模型是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测而产生观测随机序列的过程。隐藏的马尔可夫链随机生成的状态的序列，称为状态序列(state sequence)，每个状态生成一个观测，而由此产生的观测的随机序列，称为观测序列(observation sequenoe )。序列的每一个位置又可以看作是一个时刻。

隐马尔科夫模型的3个基本问题：

     （1）概率计算问题。给定模型和观测序列，计算在模型下的观测序列出现的概率。

    （2）学习问题。已知观测序列，估计模型参数，使得在该模型下观测序列概率最大。

    （3）预测问题，也称为解码（decoding)问题。已知模型参数和观测序列，求对给定观测序列前提下，条件概率