Séance de cours

Modèles de Markov cachés (HMM): Théorie

Description

Cette séance de cours explore le concept de Hidden Markov Models (HMM) en tant que méthode de modélisation de données de séries chronologiques. En commençant par la discussion sur la dépendance temporelle des données et les défis des trajectoires non structurées, linstructeur explique comment modéliser les données à laide de HMMs. La séance de cours couvre les paramètres des HMM, l'apprentissage des HMM, le calcul de la probabilité d'un HMM et l'utilisation des HMM pour la prédiction. En outre, l'algorithme de Viterbi pour le décodage dans les HMM est introduit, ainsi que le processus de choix du nombre d'états dans un HMM. La séance de cours se termine par un résumé soulignant l'importance des HMM dans la modélisation des données de séries chronologiques.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.