Dold Markovmodell
 | Den här artikeln behöver källhänvisningar för att kunna verifieras. (2020-04) Åtgärda genom att lägga till pålitliga källor (gärna som fotnoter). Uppgifter utan källhänvisning kan ifrågasättas och tas bort utan att det behöver diskuteras på diskussionssidan. |
 | Den här artikeln eller det här avsnittet anses vara onödigt fackspråklig. (2014-11) Hjälp gärna Wikipedia med att förtydliga texten och göra den mer lättläst. Se eventuellt diskussionssidan för mer information. Om artikeln inte åtgärdats inom tre år från dess att den märkts upp kan den komma att raderas. |
x – tillstånd
y – möjliga emitterade symboler
a – sannolikheter för övergången mellan tillstånd
b – sannolikheter för emittering av symbol
En dold Markovmodell, eller HMM (engelska: Hidden Markov Model) är en statistisk modell som används för att modellera processer i bland annat taligenkänning, tidsseriedata och mönster i molekylära sekvenser som till exempel DNA och proteiner. I en typisk dold Markovmodell tänker man sig att ett system kan beskrivas som en mängd tillstånd vilka man rör sig mellan enligt en Markovkedja eller Markovprocess. I varje tillstånd emitteras då en symbol som representerar observerbar data. Man kan alltså inte direkt avgöra i vilket tillstånd modeller befinner sig utan måste försöka avgöra detta genom att studera det som har emitterats, därav benämningen dold Markovmodell.
