这篇博客详细介绍了概率图模型中的前向算法、后向算法及其在隐马尔可夫模型（HMM）中的应用。通过实例解析了如何使用前向算法计算观测序列的概率，以及后向算法如何进行从后向前的状态概率计算。此外，还探讨了维特比算法在确定最可能信封序列问题上的应用。参考文章深入浅出地讲解了这些关键概念，为机器学习复习提供了宝贵资料。
这系列的题目来源于周晓飞老师期末发的题库，自留做复习用的🎉 🎉 🎉 加油加油！
知识点可以参考博主的这篇文章：【一起入门MachineLearning】中科院机器学习第*课-概率图模型：隐马尔可夫模型（前向算法+维特比算法）
考点：前向算法和后向算法
计算题3
1.前向算法：
2.后向算法：
从后向前填充数值，但是状态转移方向还是从前向后
算完最后一个β之后，记得与初始状态以及B矩阵相乘
考点：维特比算法
计算题4
按照上一题给的条件，试用维特比算法确定最有可能的信封序列。
补充题
5990
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
