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.

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.