Evo Eftimov En

Uso de modelos de Markov ocultos (HMM) para la predicción Algunas de las aplicaciones más usadas (y escritas sobre) de HMM son para Aprendizaje e Inferencia (Reconocimiento de Patrones). Esto se hace mediante el aprendizaje de los parámetros HMM (Initial State Distribution, Matriz de Transición de Sate, Matriz de Emisión) de los datos históricos y luego realizar cálculos como determinar el estado actual del vector de emisiones actual. Pero ¿cómo se utiliza un HMM para la predicción. 1. Determine el estado actual más probable aplicando el HMM aprendido a los datos hasta el momento actual. 2. Utilice la Matriz de Transición Estatal para determinar la transición más probable desde el Estado Actual hasta el Próximo Futuro. 3. Utilice la matriz de emisiones para determinar el vector de emisiones (en efecto, los puntos de datos futuros / previstos) para el futuro estado futuro