숨겨진 마르코프 모델 (HMM) 은 숨겨진 마르코프 모델을 의미하며, 매개변수를 알 수 없는 마르코프 프로세스를 설명하는 통계 모델입니다. 어려움은 관찰 가능한 매개변수에서 프로세스의 숨겨진 매개변수를 결정하는 것입니다. 그런 다음 이러한 매개변수는 패턴 인식과 같은 추가 분석에 사용됩니다.
숨겨진 마르코프 모델은 레너드 바움 (Leonard E. Baum) 과 다른 저자들이 1960 년대 후반의 일련의 통계 논문에서 처음으로 묘사했다. 숨겨진 마르코프 모델의 초기 응용 중 하나는 음성 인식으로, 1970 년대 중반에 시작되었다.
1980 년대 후반에 숨겨진 마르코프 모델은 생물학적 서열 분석, 특히 DNA 에 적용되기 시작했다. 그 이후로 숨겨진 마르코프 모델은 점차 생물 정보학 분야에서 없어서는 안 될 기술이 되었다.
확장 데이터:
숨겨진 마르코프 모델의 세 가지 주요 가정.
1) 균질 마르코프 가정. 일차 마르코프 가정이라고도 합니다. 즉, 임의의 시점의 상태는 이전 순간의 상태에만 의존하며, 다른 순간과는 아무런 관련이 없습니다. 기호는
로 표시됩니다2) 관측 독립성 가정. 어떤 순간의 관찰은 그 순간의 상태에만 의존하며, 다른 상태와는 무관하다.
3) 매개 변수 불변성 가정. 위에서 설명한 세 가지 요소는 시간에 따라 변하지 않습니다. 즉, 훈련 과정 내내 변하지 않습니다.
바이두 백과-숨겨진 마르코프 모델