Evo Eftimov En

Uso de modelos ocultos de Markov ( HMM ) de Predicción Algunas de las aplicaciones de HMM más ampliamente utilizados (y escrito sobre ) son para el Aprendizaje y la inferencia (Pattern Recognition) . Esto se hace mediante el aprendizaje de los parámetros HMM ( Distribución estado inicial, Sate matriz de transición , la matriz de emisión ) de los datos históricos y luego realizar cálculos como para determinar el estado actual del vector de las emisiones actuales . Pero , ¿cómo utilizar un HMM para la Predicción . 1. Determinar los más propensos Estado actual mediante la aplicación de la HMM aprendido a los datos hasta el momento actual de tiempo. 2. Utilice la matriz de transición de estados para determinar la transición más probable desde el estado actual al estado futuro en Siguiente. 3. Utilice la Matriz de Emisiones para determinar las emisiones de vector (de hecho el futuro / predicho datos puntos) para el Estado Futuro Siguiente