CHƢƠNG 3: MÔ HÌNH MARKOV ẨN
3.3 BA BÀI TOÁN CƠ BẢN CỦA MÔ HÌNH MARKOV ẨN
Có ba bài toán cơ bản của mô hình Markov ẩn được đặt ra trong ứng dụng nhận dạng tiếng nóị a22 a33 a44 a55 a12 a23 a34 a45 a56 a24 a35 1 2 3 4 5 6 O1 O2 O3 O4 O5 O6 b1(o1) b2(o2) b3(o3) b4(o4) b5(o5) b6(o6)
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnụedụvn
Bài toán 1: Với dãy quan sát O = {O1, O2, O3, …} và mô hình Markov ẩn λ=(A, B, π) chúng ta cần tính xác suất P(O / λ).
Bài toán 2: Với dãy quan sát O = {O1, O2, O3, …} và mô hình Markov ẩn λ=(A, B, π) làm thế nào chúng ta có thể tìm được dãy trạng thái tương ứng q={q1, q2, q3, …}
tối ưu nhất theo một tiêu chuẩn nào đó.
Bài toán 3: Làm thế nào chúng ta điều chỉnh các tham số A, B, π để có được xác
suất P(O/ λ) lớn nhất.
Bài toán 1: đây là bài toán nhận dạng khi có một dãy các quan sát cho trước và một tập các mô hình Markov ẩn, việc tính toán các P(O/ λ) sẽ cho chúng ta tìm ra được mô hình Markov ẩn có xác suất P(O/ λ) tương ứng lớn nhất.
Bài toán 2: đây là bài toán tìm phần ẩn của mô hình Markov, tức là dãy trạng thái q. Trên thực tế người ta đưa ra một tiêu chuẩn để tìm một dãy trạng thái tối ưu với tiêu chuẩn đó.
Bài toán 3: trong bài toán này chúng ta điều chỉnh tham số của mô hình Markov ẩn để nó miêu tả một cách chính xác nhất các quan sát đã được biết trước đó. Dãy quan sát dùng để điều chỉnh các tham số được gọi là tập dữ liệu huấn luyện (training data). Đây là khâu cơ bản trong một bài toán nhận dạng, nó cho phép điều chỉnh các tham số để học các dữ liệu từ các hiện tượng thực như tiếng nóị