Trénování a rozpoznávání pomocí HMM
Trénování parametrů modelu λ=(N,m,n):
Cíl trénování - maximalizace pravděpodobnosti P(0|λ).
Problém neexistuje analytická metoda ke zjištění globálního maxima funkce n proměnných.
Řešení - lze použít iterativní algoritmy zjišťující aspoň lokální maximalitu.
Nejpoužívanější postup - Bauman-Welchův algoritmus.
Další problémy při trénování modelu:
vliv konečné trénovací množiny - čím menší trénovací množina a čím větší matice M, tím větší pravděpodobnost, že některé prvky zůstanou nastaveny na 0.
Rozhodovací pravidlo - při rozpoznávání izolovaného slova:
Princip maximální věrohodnosti:
Pro slovo O a všechny modely λ spočítáme P(O|λ).
Jako výsledek vybereme třídu s maximální hodnotou P(O|λ).
