本文介绍了隐马尔可夫模型（HMM）中的前向算法和后向算法，并提供了基于numpy库的实现。同时，探讨了如何利用前向和后向概率计算单个状态在给定观测序列下的概率。此外，还提及了维比特算法的迭代公式，但未详细展开。
10.1
本题考查概率计算的前向或后向算法:
前向算法： α t + 1 ( i ) = [ ∑ j = 1 N α t ( j ) ∗ a j i ] ∗ b i ( O t + 1 ) \alpha_{t+1}(i) = [\sum_{j=1}^{N} \alpha_{t}(j)*aji]*b_{i}(O_{t+1}) αt+1(i)=[j=1∑Nαt(j)∗aji]∗bi(Ot+1)
后向算法： β t ( i ) = ∑ j = 1 N a i j b j ( O t + 1 ) β t + 1 ( j ) \beta_t(i) = \sum_{j=1}^{N}a_{ij}b_{j}(O_{t+1})\beta_{t+1}(j) βt(i)=j=1∑N
最低0.47元/天 解锁文章
扫一扫
1589
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
