隐马尔可夫模型HHM重要公式推导

我终于把HMM看完了，这些笔记都是看的过程中自己对推导过程写的注释，还有知识框架。原来卡尔曼和粒子滤波都是属于HMM模型里面的。笔记结构如下：

1. HMM简介：知识体系 + “一个模型” + “两个假设” + “三个问题”

2. Evaluation问题（给定参数求观测X）：Forward算法、Backword算法原理

3. Learning问题（求系统参数）：EM / Baum Welch算法原理

4. Dexoding问题（给定观测X求隐状态Z）：Viterbi算法原理

5. HMM泛化总结：明确learning问题和Inference问题。Inference有：Decoding、Evaluation、Filtering、Smoothing、Prediction，并且使用以上算法进行求解。

接下来要看概率图模型和条件随机场了，后期还有马尔可夫蒙特卡洛方法。加油啊，理论！理论！

---

 

---

---

---

---

---