Hidden Markov Models 的问题3是给定一个HMMs的模型和一个输出观察序列O,如何调整模型的参数使得产生这一序列的概率最大?我理解这就是一个机器学习的问题,因为有时候HMMs的模型我们是不知道的,我们随机得到一个初始的,通过训练数据进行HMMs模型的参数调整,最终学习出一个局部最优的HMMs(无法得到全局的最优,只能得到局部的最优)。解决的算法是Baum-Welch(即Forward Backward算法)。
在介绍Forward Backward算法之前,先介绍一下Backward算法。
1. Backward算法
定义backward变量,定义为在t时刻状态为的条件下,局部观察序列的概率。
t时刻与t+1时刻,backward变量关系如图1所示 :
图1