【自然语言处理】隐马尔可夫模型【Ⅳ】学习问题

已于 2023-01-15 21:36:50 修改
阅读量551 收藏 2
点赞数 2
分类专栏： 【机器学习】 【NLP & CV】 文章标签： 自然语言处理 人工智能 算法 概率论
于 2022-12-13 17:14:30 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46221946/article/details/128304964
版权

有任何的书写错误、排版错误、概念错误等，希望大家包含指正。

由于字数限制，分成六篇博客。
【自然语言处理】隐马尔可夫模型【Ⅰ】马尔可夫模型
【自然语言处理】隐马尔可夫模型【Ⅱ】隐马尔科夫模型概述
【自然语言处理】隐马尔可夫模型【Ⅲ】估计问题
【自然语言处理】隐马尔可夫模型【Ⅳ】学习问题
【自然语言处理】隐马尔可夫模型【Ⅴ】解码问题
【自然语言处理】隐马尔可夫模型【Ⅵ】精度问题

2.4. 学习算法

隐马尔科夫模型的学习，根据训练数据是包括观测序列和对应的状态序列还是只有观测序列，可以分别由监督学习与无监督学习实现。监督学习方法虽然简单且易实现，但是由于监督学习需要使用标注的训练数据，而人工标注训练数据往往代价很高，所以有时会使用无监督学习的方法。HMM 中的无监督学习是指 Baum-Welch 算法，本质

了解本专栏 订阅专栏 解锁全文 超级会员免费看
不牌不改
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
订阅专栏
【自然语言处理】隐马尔可夫模型【Ⅵ】精度问题
LJR的博客
12-13 738
隐马尔可夫模型 HMM 马尔可夫 Markov 马氏链 概率图 马尔可夫假设 状态序列 观测序列 齐次马尔可夫假设 观测独立性假设 三个基本问题 估计 evaluate 解码 decoding 预测 predict 学习 learning 联合概率 边缘概率 后验概率 直接计算 前向算法 前向概率 后向算法 后向概率 动态规划 递推 监督学习 无监督学习 Baum-Welch EM算法 迭代 拉格朗日 导数 近似算法 维特比算法 Viterbi 树型结构 最优路径 放大 scaling 精度 范围 多样本
【自然语言处理】隐马尔可夫模型【Ⅴ】解码问题
LJR的博客
12-13 634
隐马尔可夫模型 HMM 马尔可夫 Markov 马氏链 概率图 马尔可夫假设 状态序列 观测序列 齐次马尔可夫假设 观测独立性假设 三个基本问题 估计 evaluate 解码 decoding 预测 predict 学习 learning 联合概率 边缘概率 后验概率 直接计算 前向算法 前向概率 后向算法 后向概率 动态规划 递推 监督学习 无监督学习 Baum-Welch EM算法 迭代 拉格朗日 导数 近似算法 维特比算法 Viterbi 树型结构 最优路径 放大 scaling 精度 范围 多样本
【机器学习】--隐含马尔科夫模型从初识到应用
L先生AI课堂
04-09 962
一、前述 马尔可夫（1856~1922），苏联数学家。切比雪夫的学生。在概率论、数论、函数逼近论和微分方程等方面卓有成就。 马尔可夫模型（Markov Model）是一种统计模型，广泛应用在语音识别，词性自动标注，音字转换，概率文法等各个自然语言处理等应用领域。经过长期发展，尤其是在语音识别中的成功应用，使它成为一种通用的统计工具。 二、具体 1、案例 问题一： ...
机器学习算法（十七）：隐马尔科夫模型（HMM）
weixin_39910711的博客
03-01 3273
隐马尔科夫模型一(概念理解)：https://blog.csdn.net/gzj_1101/article/details/79955340 有趣的隐马尔科夫模型：https://baijiahao.baidu.com/s?id=1601390969712055408&wfr=spider&for=pc ...
【自然语言处理】隐马尔可夫模型【Ⅰ】马尔可夫模型
LJR的博客
12-13 545
隐马尔可夫模型 HMM 马尔可夫 Markov 马氏链 概率图 马尔可夫假设 状态序列 观测序列 齐次马尔可夫假设 观测独立性假设 三个基本问题 估计 evaluate 解码 decoding 预测 predict 学习 learning 联合概率 边缘概率 后验概率 直接计算 前向算法 前向概率 后向算法 后向概率 动态规划 递推 监督学习 无监督学习 Baum-Welch EM算法 迭代 拉格朗日 导数 近似算法 维特比算法 Viterbi 树型结构 最优路径 放大 scaling 精度 范围 多样本
【自然语言处理】隐马尔可夫模型【Ⅱ】隐马尔科夫模型概述
LJR的博客
12-13 404
隐马尔可夫模型 HMM 马尔可夫 Markov 马氏链 概率图 马尔可夫假设 状态序列 观测序列 齐次马尔可夫假设 观测独立性假设 三个基本问题 估计 evaluate 解码 decoding 预测 predict 学习 learning 联合概率 边缘概率 后验概率 直接计算 前向算法 前向概率 后向算法 后向概率 动态规划 递推 监督学习 无监督学习 Baum-Welch EM算法 迭代 拉格朗日 导数 近似算法 维特比算法 Viterbi 树型结构 最优路径 放大 scaling 精度 范围 多样本
【自然语言处理】隐马尔可夫模型【Ⅲ】估计问题
LJR的博客
12-13 571
隐马尔可夫模型 HMM 马尔可夫 Markov 马氏链 概率图 马尔可夫假设 状态序列 观测序列 齐次马尔可夫假设 观测独立性假设 三个基本问题 估计 evaluate 解码 decoding 预测 predict 学习 learning 联合概率 边缘概率 后验概率 直接计算 前向算法 前向概率 后向算法 后向概率 动态规划 递推 监督学习 无监督学习 Baum-Welch EM算法 迭代 拉格朗日 导数 近似算法 维特比算法 Viterbi 树型结构 最优路径 放大 scaling 精度 范围 多样本
【自然语言处理】条件随机场【Ⅰ】马尔可夫随机场
LJR的博客
01-06 671
马尔可夫随机场 团 最大团 概率无向图 马尔可夫网 势函数 能量函数 规范化因子 条件随机场 标注偏置 label bias CRF 随机场 随机变量 随机过程 线性链 向量形式 矩阵形式 估计问题 学习问题 前向向量 后向向量 解码问题 梯度下降 改进的迭代尺度 S算法 T算法 转移特征函数 状态特征函数 IIS 维特比算法 非规范化概率 判别模型 生成模型 隐马尔可夫模型 HMM 最大熵马尔可夫模型 MEMM 联合概率 条件概率 最大熵模型 期望 对数线性模型 状态序列 观测序列 极大似然函数 正则化
用隐马尔可夫模型推测女朋友心情(Ⅳ)：训练样本的生成
Focus on AI
11-09 336
曾在第一期提到过，王同学没有女朋友心情序列与事件序列的样本，他只凭着对女友的了解，预估了三个参数矩阵的概率分布。这一期我们要做一件有趣的事，就是用王同学给的模型参数来生成训练样本。下一期，我们再用所生成的样本训练一个新的模型，看看这个新模型的参数值是否与王同学给的参数值一致（或者说十分接近）。
隐马尔可夫模型及其在自然语言处理中的应用
09-27
隐马尔可夫模型及其在自然语言处理中的应用
HMM隐马尔可夫模型MATLAB实现
01-06
隐马尔可夫模型（Hidden Markov Model，简称HMM）是概率统计领域中的一个重要模型，尤其在自然语言处理、语音识别、生物信息学等领域有着广泛的应用。在MATLAB环境中，我们可以利用其强大的数学计算能力和丰富的函数...
隐马尔可夫自然语言处理简单案例
07-08
4. 模型改进：探索其他统计建模技术，如条件随机场（CRF）、深度学习模型（如RNN、LSTM、Transformer等），它们可能在处理有限数据时表现得更好。 5. 特征工程：设计更复杂的特征，如n-gram、词形还原、词性等，以...
隐马尔可夫模型与语音识别
01-06
文章目录前言隐马尔可夫(HMM)马尔可夫链隐马尔可夫HMM中的语音识别（孤立词）HMM 语音识别过程GMM总结参考文献 前言 隐马尔科夫链结合语言识别，在细节上，涉及到的知识挺多，没有一定的时间投入难以很好的去把握。...
语音信号处理-隐马尔可夫模型(HMM).ppt
04-05
由于HMM是在马尔可夫链的基础上发展而来的，为了更好的理解HMM，我们先了解一下马尔可夫链的基本概念。 HMM的基本理论 HMM模型在实际应用时需要解决的三个问题 HMM在语音处理中的应用 隐含马尔科夫模型HMM...
C2W3.Assignment.Language Models: Auto-Complete.Part1
老毛的博客
07-22 1563
当模型遇到了一个它在训练过程中从未见过的单词，那么它将没有输入单词来帮助它确定下一个要建议的单词。将所有标记词转换为小写，这样原文中大写的单词（例如句子开头的单词）就会与小写单词得到相同的处理。将每个单词列表添加到句子列表中。为了在预测过程中处理未知词，可以使用一个特殊的标记 “unk”来表示所有未知词。语言模型为单词序列分配概率，使更 “可能 ”的序列获得更高的分数。这里不会使用数据中出现的所有分词（单词）进行训练，只使用频率较高的单词。需要一个双 for 循环，一个用于句子，另一个用于句子中的标记。
大语言模型-对比学习-Contrastive Learning
weixin_42045968的博客
07-24 711
对比学习 是一种特殊的`无监督学习方法`。 旨在通过`拉近相关样本的距离`并且`推远不相关样本的距离`，来学习`数据表示`。 通常使用一种高自由度、自定义的规则来`生成正负样本`。在模型预训练中有着广泛的应用。
【NLP自然语言处理】为什么说BERT是bidirectional
m0_64280569的博客
07-25 399
我们知道，Bert设计时主要采用的是Transformer编码器部分，要论述Bert为啥是双向的，我想从编码器和解码器的注意力机制来阐述。二者区别一个是双向，一个是单向，这也就是我如何理解的Bert采用的是双向编码器了。在看这篇博客前，需要对Transformer有一定的了解，在这里推荐博客。而解码器部分采用的是Masked Attention，
大模型llama结构技术点分享；transformer模型常见知识点nlp面经
最新发布
weixin_42357472的博客
07-25 149
大模型模型结构，大模型nlp面经，transformer
"隐马尔可夫模型及其在自然语言处理中的应用
HMM的形式描述-隐马尔可夫模型及其在自然语言处理中的应用 隐马尔可夫模型（Hidden Markov Model，HMM）是一种统计模型，用于描述具有隐藏状态的动态系统。该模型包括状态集合，输出符号集合，状态转移矩阵A，可...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

不牌不改

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值