Details
Das Hidden-Markov-Modell
Zufallsprozesse mit verborgenen Zuständen und ihre wahrscheinlichkeitstheoretischen Grundlagenessentials 1. Aufl. 2022
|
9,99 € |
|
| Verlag: | Spektrum Akademischer Verlag bei Elsevier |
| Format: | |
| Veröffentl.: | 25.10.2022 |
| ISBN/EAN: | 9783662659687 |
| Sprache: | deutsch |
Dieses eBook enthält ein Wasserzeichen.
Beschreibungen
Im Mittelpunkt dieses <i>essentials</i> steht eine Einführung in ein bekanntes statistisches Modell, das Hidden-Markov-Modell.<div>Damit können Probleme bewältigt werden, bei denen aus einer Folge von Beobachtungen auf die wahrscheinlichste zustandsspezifische Beschreibung geschlossen werden soll.</div><div>Die Anwendungen des Hidden-Markov-Modells liegen hauptsächlich in den Bereichen Bioinformatik, Computerlinguistik, maschinelles Lernen und Signalverarbeitung.</div><div>In diesem Büchlein werden die beiden zentralen Problemstellungen in HMMs behandelt.</div>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).
Wahrscheinlichkeitsrechnung.- Vollständig beobachtetes Hidden-Markov-Modell.- Hidden-Markov-Modell.- Historie.
<b>Dr. Karl-Heinz Zimmermann</b> studierte Informatik und Mathematik an der Universität Erlangen-Nürnberg. Er promovierte dort in Theoretischer Informatik und habilitierte in Mathematik an der Universität Bayreuth. Er war Fulbright-Stipendiat an der Princeton Universität und Heisenberg-Stipendiat an der Universität Karlsruhe (TH). Er ist seit mehr als 25 Jahren Professor für Informatik an der Technischen Universität Hamburg und Autor von mehreren Forschungsmonographien sowie von über 120 wissenschaftlichen Forschungspublikationen.<div><br></div>
<div><div>Im Mittelpunkt dieses <i>essentials</i> 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).</div><div><b>Der Inhalt</b></div><div><ul><li>Wahrscheinlichkeitsrechnung</li><li>Hidden-Markov-Modell</li><li>Inferenz: Viterbi-Algorithmus</li><li>Parameterschätzung: Algorithmen EM und BW</li></ul></div><div><b>Die Zielgruppen</b></div><div><ul><li>Studierende der Informatik und Mathematik</li><li>Lehrkräfte im Bereich Informatik und Mathematik</li></ul></div><b>Der Autor</b></div><div><b>Dr. Karl-Heinz Zimmermann </b>studierte Informatik und Mathematik an der Universität Erlangen-Nürnberg. Er promovierte dort in Theoretischer Informatik und habilitierte in Mathematik an der Universität Bayreuth. Er war Fulbright-Stipendiat an der Princeton Universität und Heisenberg-Stipendiat an der Universität Karlsruhe (TH). Er ist seit mehr als 25 Jahren Professor für Informatik an der Technischen Universität Hamburg und Autor von mehreren Forschungsmonographien sowie von über 120 wissenschaftlichen Forschungspublikationen.</div>
Stellt das Hidden-Markov-Modell kompakt und übersichtlich dar
<br>
Diese Produkte könnten Sie auch interessieren:
