Im Mittelpunkt dieses
essentials steht eine Einführung in ein bekanntes statistisches Modell, das Hidden-Markov-Modell.
Damit können Probleme bewältigt werden, bei denen aus einer Folge von Beobachtungen auf die wahrscheinlichste zustandsspezifische Beschreibung geschlossen werden soll.
Die Anwendungen des Hidden-Markov-Modells liegen hauptsächlich in den Bereichen Bioinformatik, Computerlinguistik, maschinelles Lernen und Signalverarbeitung.
In diesem Büchlein werden die beiden zentralen Problemstellungen in HMMs behandelt.
Das Problem der Inferenz wird mit dem berühmten Viterbi-Algorithmus gelöst, und das Problem der Parameterschätzung wird mit zwei bekannten Methoden angegangen (Erwartungsmaximierung und Baum-Welch).
